Figure 3. The simulated temperature distribution and single-layer multi-track isothermograms of LPBF Hastelloy X, located at the bottom of the powder bed, are presented for various laser energy densities. (a) depicts the single-point temperature distribution at the bottom of the powder bed, followed by the isothermograms corresponding to laser energy densities of (b) 31 J/mm3 , (c) 43 J/mm3 , (d) 53 J/mm3 , (e) 67 J/mm3 , and (f) 91 J/mm3 .

An integrated multiscale simulation guiding the processing optimisation for additively manufactured nickel-based superalloys

적층 가공된 니켈 기반 초합금의 가공 최적화를 안내하는 통합 멀티스케일 시뮬레이션

Xing He, Bing Yang, Decheng Kong, Kunjie Dai, Xiaoqing Ni, Zhanghua Chen
& Chaofang Dong


Microstructural defects in laser powder bed fusion (LPBF) metallic materials are correlated with processing parameters. A multi-physics model and a crystal plasticity framework are employed to predict microstructure growth in molten pools and assess the impact of manufacturing defects on plastic damage parameters. Criteria for optimising the LPBF process are identified, addressing microstructural defects and tensile properties of LPBF Hastelloy X at various volumetric energy densities (VED). The results show that higher VED levels foster a specific Goss texture {110} <001>, with irregular lack of fusion defects significantly affecting plastic damage, especially near the material surface. A critical threshold emerges between manufacturing defects and grain sizes in plastic strain accumulation. The optimal processing window for superior Hastelloy X mechanical properties ranges from 43 to 53 J/mm3 . This work accelerates the development of superior strengthductility alloys via LPBF, streamlining the trial-and-error process and reducing associated costs.

Figure 3. The simulated temperature distribution and single-layer multi-track isothermograms of LPBF Hastelloy X, located at the bottom of the powder bed, are presented for various laser energy densities. (a) depicts the single-point temperature distribution at the bottom of the powder bed, followed by the isothermograms corresponding to laser energy densities of (b) 31 J/mm3 , (c) 43 J/mm3 , (d) 53 J/mm3 , (e) 67 J/mm3 , and (f) 91 J/mm3 .
Figure 3. The simulated temperature distribution and single-layer multi-track isothermograms of LPBF Hastelloy X, located at the bottom of the powder bed, are presented for various laser energy densities. (a) depicts the single-point temperature distribution at the bottom of the powder bed, followed by the isothermograms corresponding to laser energy densities of (b) 31 J/mm3 , (c) 43 J/mm3 , (d) 53 J/mm3 , (e) 67 J/mm3 , and (f) 91 J/mm3 .

[1] DebRoy T, Wei HL, Zuback JS, et al. Additive manufacturing of metallic components – process, structure and properties. Prog Mater Sci. 2018;92:112–224. doi:10.
[2] Mostafaei A, Ghiaasiaan R, Ho IT, et al. Additive manufacturing of nickel-based superalloys: A state-of-the-art
review on process-structure-defect-property relationship.
Prog Mater Sci. 2023;136:101108. doi:10.1016/j.pmatsci.
[3] Akande IG, Oluwole OO, Fayomi OSI, et al. Overview of
mechanical, microstructural, oxidation properties and
high-temperature applications of superalloys. Mater
Today Proc. 2021;43:2222–2231. doi:10.1016/j.matpr.
[4] Sanchez S, Smith P, Xu Z, et al. Powder bed fusion of
nickel-based superalloys: a review. Int J Machine Tools
Manuf. 2021;165:103729. doi:10.1016/j.ijmachtools.2021.
[5] Xie Y, Teng Q, Shen M, et al. The role of overlap region
width in multi-laser powder bed fusion of Hastelloy X
superalloy. Virtual Phys Prototyp. 2023;18(1):e2142802.
[6] Yuan W, Chen H, Cheng T, et al. Effects of laser scanning
speeds on different states of the molten pool during
selective laser melting: simulation and experiment.
Mater Des. 2020;189:108542. doi:10.1016/j.matdes.2020.
[7] He X, Kong D, Zhou Y, et al. Powder recycling effects on
porosity development and mechanical properties of
Hastelloy X alloy during laser powder bed fusion
process. Addit Manuf. 2022;55:102840. doi:10.1016/j.
[8] Sanaei N, Fatemi A. Defects in additive manufactured
metals and their effect on fatigue performance: a stateof-the-art review. Prog Mater Sci. 2021;117:100724.
[9] Pourbabak S, Montero-Sistiaga ML, Schryvers D, et al.
Microscopic investigation of as built and hot isostatic
pressed Hastelloy X processed by selective laser
melting. Mater Charact. 2019;153:366–371. doi:10.1016/j.
[10] He X, Wang L, Kong D, et al. Recrystallization effect on
surface passivation of Hastelloy X alloy fabricated by
laser powder bed fusion. J Mater Sci Technol.
2023;163:245–258. doi:
[11] Sabzi HE, Maeng S, Liang X, et al. Controlling crack formation and porosity in laser powder bed fusion: alloy
design and process optimisation. Addit Manuf.
2020;34:101360. doi:10.1016/j.addma.2020.101360
[12] Yu C, Chen N, Li R, et al. Selective laser melting of GH3536
superalloy: microstructure, mechanical properties, and
hydrocyclone manufacturing. Adv Powder Mater. 2023:

[13] Ye C, Zhang C, Zhao J, et al. Effects of post-processing on
the surface finish, porosity, residual stresses, and fatigue
performance of additive manufactured metals: a review.
J Mater Eng Perform. 2021;30(9):6407–6425. doi:10.
[14] Zhang W, Zheng Y, Liu F, et al. Effect of solution temperature on the microstructure and mechanical properties of
Hastelloy X superalloy fabricated by laser directed energy
deposition. Mater Sci Eng A. 2021;820:141537. doi:10.
[15] Lehmann T, Rose D, Ranjbar E, et al. Large-scale metal
additive manufacturing: a holistic review of the state of the art and challenges. Int Mater Rev. 2021;67(4):410–459. doi:10.1080/09506608.2021.1971427

[16] Wu S, Hu Y, Yang B, et al. Review on defect characterization and structural integrity assessment method of additively manufactured materials. J Mech Eng. 2021;57 (22):3–34. doi:10.3901/JME.2021.22.003

[17] Keller C, Mokhtari M, Vieille B, et al. Influence of a rescanning strategy with different laser powers on the microstructure and mechanical properties of Hastelloy X elaborated by powder bed fusion. Mater Sci Eng A. 2021;803:140474. doi:10.1016/j.msea.2020.140474

[18] Keshavarzkermani A, Marzbanrad E, Esmaeilizadeh R,et al. An investigation into the effect of process parameters on melt pool geometry, cell spacing, and grain refinement during laser powder bed fusion. Optics & Laser Technol. 2019;116:83–91. doi:10.1016/j.optlastec. 2019.03.012

[19] Watring DS, Benzing JT, Hrabe N, et al. Effects of laserenergy density and build orientation on the structureproperty relationships in as-built Inconel 718 manufactured by laser powder bed fusion. Addit Manuf. 2020;36:101425. doi:10.1016/j.addma.2020.101425

[20] Xiao H, Liu X, Xiao W, et al. Influence of molten-pool cooling rate on solidification structure and mechanical property of laser additive manufactured Inconel 718. J Mater Res Technol. 2022;19:4404–4416. doi:10.1016/j. jmrt.2022.06.162

[21] Wang J, Zhu R, Liu Y, et al. Understanding melt pool characteristics in laser powder bed fusion: An overview of single- and multi-track melt pools for process optimization. Adv Powder Mater. 2023;2(4):100137. doi:10.1016/j. apmate.2023.100137

[22] Li Z, Deng Y, Yao B, et al. Effect of laser scan speed on pool size and densification of selective laser melted CoCr alloy under constant laser energy density. Laser Optoelectronics Progress. 2022;59(7):0736001. doi:10. 3788/LOP202259.0736001

[23] Zhang J, Yuan W, Song B, et al. Towards understanding metallurgical defect formation of selective laser melted wrought aluminum alloys. Adv Powder Mater. 2022;1 (4):100035. doi:10.1016/j.apmate.2022.100035

[24] Rui H, Meiping W, Chen C, et al. Effects of laser energy density on microstructure and corrosion resistance of FeCrNiMnAl high entropy alloy coating. Optics & Laser Technol. 2022;152:108188. doi: optlastec.2022.108188.

[25] Zhao Y, Sun W, Wang Q, et al. Effect of beam energy density characteristics on microstructure and mechanical properties of nickel-based alloys manufactured by laser directed energy deposition. J Mater Process Technol. 2023;319:118074. doi:10.1016/j.jmatprotec.2023.118074

[26] Tan P, Zhou M, Tang C, et al. Multiphysics modelling of powder bed fusion for polymers. Virtual Phys Prototyp. 2023;18(1):e2257191. doi:10.1080/17452759.2023. 2257191

[27] Tan P, Shen F, Shian Tey W, et al. A numerical study on the packing quality of fibre/polymer composite powder for powder bed fusion additive manufacturing. Virtual Phys Prototyp. 2021;16(sup1):S1–S18. doi:10.1080/17452759. 2021.1922965

[28] Kusano M, Watanabe M. Microstructure control of Hastelloy X by geometry-induced elevation of sample temperature during a laser powder bed fusion process. Mater Des. 2022;222:111016. doi:10.1016/j.matdes.2022. 111016

[29] Lee YS, Zhang W. Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion. Addit Manuf. 2016;12:178–188. doi:10.1016/j.addma.2016.05.003

[30] Lv F, Liang HX, Xie DQ, et al. On the role of laser in situ remelting into pore elimination of Ti-6Al-4V components fabricated by selective laser melting. J Alloys Compd. 2021;854:156866. doi:10.1016/j.jallcom.2020.156866

[31] Prithivirajan V, Sangid MD. The role of defects and critical pore size analysis in the fatigue response of additively manufactured IN718 via crystal plasticity. Mater Des. 2018;150:139–153. doi:10.1016/j.matdes.2018.04.022

[32] Huang Y. A user-material subroutine incroporating single crystal plasticity in the ABAQUS finite element program. Cambridge: Harvard University Press; 1991.

[33] Pilgar CM, Fernandez AM, Lucarini S, et al. Effect of printing direction and thickness on the mechanical behavior of SLM fabricated Hastelloy-X. Int J Plasticity. 2022;153:103250. doi:10.1016/j.ijplas.2022.103250

[34] Garlea E, Choo H, Sluss CC, et al. Variation of elastic mechanical properties with texture, porosity, and defect characteristics in laser powder bed fusion 316L stainless steel. Mater Sci Eng A. 2019;763:138032. doi:10.1016/j. msea.2019.138032

[35] Sanchez-Mata O, Wang X, Muñiz-Lerma JA, et al. Dependence of mechanical properties on crystallographic orientation in nickel-based superalloy Hastelloy X fabricated by laser powder bed fusion. J Alloys Compd. 2021;865:158868. doi:10.1016/j.jallcom.2021. 158868

[36] Gu H, Wei C, Li L, et al. Multi-physics modelling of molten

pool development and track formation in multi-track, multi-layer and multi-material selective laser melting. Int J Heat Mass Transf. 2020;151:119458. doi:10.1016/j. ijheatmasstransfer.2020.119458

[37] Johnson L, Mahmoudi M, Zhang B, et al. Assessing printability maps in additive manufacturing of metal alloys. Acta Mater. 2019;176:199–210. doi:10.1016/j.actamat. 2019.07.005

[38] Wang S, Ning J, Zhu L, et al. Role of porosity defects in metal 3D printing: formation mechanisms, impacts on properties and mitigation strategies. Mater Today. 2022;59:133–160. doi:10.1016/j.mattod.2022.08.014

[39] Guo Y, Collins DM, Tarleton E, et al. Measurements of stress fields near a grain boundary: exploring blocked arrays of dislocations in 3D. Acta Mater. 2015;96:229–doi:10.1016/j.actamat.2015.05.041
[40] Kong D, Dong C, Ni X, et al. Hetero-deformation-induced
stress in additively manufactured 316L stainless steel.
Mater Res Lett. 2020;8(10):390–397. doi:10.1080/

Figure 5. Simulation of the molten pool under low-speed scanning (1.06 m/s). (a) Sequential solidification of the molten pool at the end of the melt track for laser powers of 190 and 340 W, respectively. (b) Recoil pressure on the molten pool at the keyhole for laser powers of 190 and 340 W, respectively. (c) The force diagram of the melt at the back of the keyhole at t = 750 μs in case B. (d) Temperature gradient at the solid–liquid interface of the molten pool at the moment the laser is deactivated in case A. (e) Temperature gradient at the solid–liquid interface of the molten pool at the moment the laser is deactivated in case B.

Revealing formation mechanism of end of processdepression in laser powder bed fusion by multiphysics meso-scale simulation

다중물리 메조 규모 시뮬레이션을 통해 레이저 분말층 융합에서 공정 종료의 함몰 형성 메커니즘 공개

Haodong Chen a,b, Xin Lin a,b,c, Yajing Sund, Shuhao Wanga,b, Kunpeng Zhu a,b,c and Binbin Dana,b

To link to this article:


Unintended end-of-process depression (EOPD) commonly occurs in laser powder bed fusion (LPBF), leading to poor surface quality and lower fatigue strength, especially for many implants. In this study, a high-fidelity multi-physics meso-scale simulation model is developed to uncover the forming mechanism of this defect. A defect-process map of the EOPD phenomenon is obtained using this simulation model. It is found that the EOPD formation mechanisms are different under distinct regions of process parameters. At low scanning speeds in keyhole mode, the long-lasting recoil pressure and the large temperature gradient easily induce EOPD. While at high scanning speeds in keyhole mode, the shallow molten pool morphology and the large solidification rate allow the keyhole to evolve into an EOPD quickly. Nevertheless, in the conduction mode, the Marangoni effects along with a faster solidification rate induce EOPD. Finally, a ‘step’ variable power strategy is proposed to optimise the EOPD defects for the case with high volumetric energy density at low scanning speeds. This work provides a profound understanding and valuable insights into the quality control of LPBF fabrication.

의도하지 않은 공정 종료 후 함몰(EOPD)은 LPBF(레이저 분말층 융합)에서 흔히 발생하며, 특히 많은 임플란트의 경우 표면 품질이 떨어지고 피로 강도가 낮아집니다. 본 연구에서는 이 결함의 형성 메커니즘을 밝히기 위해 충실도가 높은 다중 물리학 메조 규모 시뮬레이션 모델을 개발했습니다.

이 시뮬레이션 모델을 사용하여 EOPD 현상의 결함 프로세스 맵을 얻습니다. EOPD 형성 메커니즘은 공정 매개변수의 별개 영역에서 서로 다른 것으로 밝혀졌습니다.

키홀 모드의 낮은 스캔 속도에서는 오래 지속되는 반동 압력과 큰 온도 구배로 인해 EOPD가 쉽게 유발됩니다. 키홀 모드에서 높은 스캐닝 속도를 유지하는 동안 얕은 용융 풀 형태와 큰 응고 속도로 인해 키홀이 EOPD로 빠르게 진화할 수 있습니다.

그럼에도 불구하고 전도 모드에서는 더 빠른 응고 속도와 함께 마랑고니 효과가 EOPD를 유발합니다. 마지막으로, 낮은 스캐닝 속도에서 높은 체적 에너지 밀도를 갖는 경우에 대해 EOPD 결함을 최적화하기 위한 ‘단계’ 가변 전력 전략이 제안되었습니다.

이 작업은 LPBF 제조의 품질 관리에 대한 심오한 이해와 귀중한 통찰력을 제공합니다.

Figure 5. Simulation of the molten pool under low-speed scanning (1.06 m/s). (a) Sequential solidification of the molten pool at the
end of the melt track for laser powers of 190 and 340 W, respectively. (b) Recoil pressure on the molten pool at the keyhole for laser
powers of 190 and 340 W, respectively. (c) The force diagram of the melt at the back of the keyhole at t = 750 μs in case B. (d) Temperature gradient at the solid–liquid interface of the molten pool at the moment the laser is deactivated in case A. (e) Temperature
gradient at the solid–liquid interface of the molten pool at the moment the laser is deactivated in case B.
Figure 5. Simulation of the molten pool under low-speed scanning (1.06 m/s). (a) Sequential solidification of the molten pool at the end of the melt track for laser powers of 190 and 340 W, respectively. (b) Recoil pressure on the molten pool at the keyhole for laser powers of 190 and 340 W, respectively. (c) The force diagram of the melt at the back of the keyhole at t = 750 μs in case B. (d) Temperature gradient at the solid–liquid interface of the molten pool at the moment the laser is deactivated in case A. (e) Temperature gradient at the solid–liquid interface of the molten pool at the moment the laser is deactivated in case B.


[1] Zhang C, Li Z, Zhang J, et al. Additive manufacturing of magnesium matrix composites: comprehensive review of recent progress and research perspectives. J Mag
Alloys. 2023. doi:10.1016/j.jma.2023.02.005
[2] Webster S, Lin H, Carter III FM, et al. Physical mechanisms in hybrid additive manufacturing: a process design framework. J Mater Process Technol. 2022;291:117048. doi:10. 1016/j.jmatprotec.2021.117048
[3] Wang S, Ning J, Zhu L, et al. Role of porosity defects in metal 3D printing: formation mechanisms, impacts on properties and mitigation strategies. Mater Today. 2022. doi:10.1016/j.mattod.2022.08.014
[4] Wei C, Li L. Recent progress and scientific challenges in multi-material additive manufacturing via laser-based powder bed fusion. Virtual Phys Prototyp. 2021;16 (3):347–371. doi:10.1080/17452759.2021.1928520
[5] Lin X, Wang Q, Fuh JYH, et al. Motion feature based melt pool monitoring for selective laser melting process. J Mater Process Technol. 2022;303:117523. doi:10.1016/j. jmatprotec.2022.117523
[6] Gockel J, Sheridan L, Koerper B, et al. The influence of additive manufacturing processing parameters on surface roughness and fatigue life. Int J Fatigue. 2019;124:380–388. doi:10.1016/j.ijfatigue.2019.03.025
[7] Nicoletto G. Influence of rough as-built surfaces on smooth and notched fatigue behavior of L-PBF AlSi10Mg. Addit Manuf. 2020;34:101251. doi:10.1016/j. addma.2020.101251
[8] Spece H, Yu T, Law AW, et al. 3D printed porous PEEK created via fused filament fabrication for osteoconductive orthopaedic surfaces. J Mech Behav Biomed Mater. 2020;109:103850. doi:10.1115/1.0004270v
[9] Andrukhov O, Huber R, Shi B, et al. Proliferation, behavior, and differentiation of osteoblasts on surfaces of different microroughness. Dent Mater. 2016;32(11):1374–1384. doi:10.1016/
[10] Dai N, Zhang LC, Zhang J, et al. Corrosion behavior of selective laser melted Ti-6Al-4 V alloy in NaCl solution. Corros Sci. 2016;102:484–489. doi:10.1016/j.corsci.2015. 10.041
[11] Li EL, Wang L, Yu AB, et al. A three-phase model for simulation of heat transfer and melt pool behaviour in laser powder bed fusion process. Powder Technol. 2021;381:298–312. doi:10.1016/j.powtec.2020.11.061
[12] Liao B, Xia RF, Li W, et al. 3D-printed ti6al4v scaffolds with graded triply periodic minimal surface structure for bone tissue engineering. J Mater Eng Perform. 2021;30:4993– 5004. doi:10.1007/s11665-021-05580-z
[13] Li E, Zhou Z, Wang L, et al. Melt pool dynamics and pores formation in multi-track studies in laser powder bed fusion process. Powder Technol. 2022;405:117533. doi:10.1016/j.powtec.2022.117533
[14] Guo L, Geng S, Gao X, et al. Numerical simulation of heat transfer and fluid flow during nanosecond pulsed laser processing of Fe78Si9B13 amorphous alloys. Int J Heat Mass Transfer. 2021;170:121003. doi:10.1016/j.ijheatma sstransfer.2021.121003
[15] Guo L, Li Y, Geng S, et al. Numerical and experimental analysis for morphology evolution of 6061 aluminum alloy during nanosecond pulsed laser cleaning. Surf Coat Technol. 2022;432:128056. doi:10.1016/j.surfcoat. 2021.128056
[16] Li S, Liu D, Mi H, et al. Numerical simulation on evolution process of molten pool and solidification characteristics of melt track in selective laser melting of ceramic powder. Ceram Int. 2022;48(13):18302–18315. doi:10. 1016/j.ceramint.2022.03.089
[17] Aboulkhair NT, Maskery I, Tuck C, et al. On the formation of AlSi10Mg single tracks and layers in selective laser melting: microstructure and nano-mechanical properties. J Mater Process Technol. 2016;230:88–98. doi:10.1016/j. jmatprotec.2015.11.016
[18] Thijs L, Kempen K, Kruth JP, et al. Fine-structured aluminium products with controllable texture by selective laser melting of pre-alloyed AlSi10Mg powder. Acta Mater. 2013;61(5):1809–1819. doi:10.1016/j.actamat.2012.11.052
[19] Qiu C, Adkins NJE, Attallah MM. Microstructure and tensile properties of selectively laser-melted and of HIPed laser-melted Ti–6Al–4 V. Mater Sci Eng A. 2013;578:230–239. doi:10.1016/j.msea.2013.04.099
[20] Kazemi Z, Soleimani M, Rokhgireh H, et al. Melting pool simulation of 316L samples manufactured by selective laser melting method, comparison with experimental results. Int J Therm Sci. 2022;176:107538. doi:10.1016/j. ijthermalsci.2022.107538
[21] Cao L. Workpiece-scale numerical simulations of SLM molten pool dynamic behavior of 316L stainless steel. Comput Math Appl. 2021;96:209–228. doi:10.1016/j. camwa.2020.04.020
[22] Liu B, Fang G, Lei L, et al. Predicting the porosity defects in selective laser melting (SLM) by molten pool geometry. Int J Mech Sci. 2022;228:107478. doi:10.1016/j.ijmecsci. 2022.107478
[23] Ur Rehman A, Pitir F, Salamci MU. Full-field mapping and flow quantification of melt pool dynamics in laser powder bed fusion of SS316L. Materials. 2021;14(21):6264. doi:10. 3390/ma14216264
[24] Chia HY, Wang L, Yan W. Influence of oxygen content on melt pool dynamics in metal additive manufacturing: high-fidelity modeling with experimental validation. Acta Mater. 2023;249:118824. doi:10.1016/j.actamat. 2023.118824
[25] Cheng B, Loeber L, Willeck H, et al. Computational investigation of melt pool process dynamics and pore formation in laser powder bed fusion. J Mater Eng Perform. 2019;28:6565–6578. doi:10.1007/s11665-019- 04435-y
[26] Li X, Guo Q, Chen L, et al. Quantitative investigation of gas flow, powder-gas interaction, and powder behavior under different ambient pressure levels in laser powder bed fusion. Int J Mach Tools Manuf. 2021;170:103797. doi:10.1016/j.ijmachtools.2021.103797
[27] Wu Y, Li M, Wang J, et al. Powder-bed-fusion additive manufacturing of molybdenum: process simulation, optimization, and property prediction. Addit Manuf. 2022;58:103069. doi:10.1016/j.addma.2022.103069
[28] Wu S, Yang Y, Huang Y, et al. Study on powder particle behavior in powder spreading with discrete element method and its critical implications for binder jetting additive manufacturing processes. Virtual Phys Prototyp. 2023;18(1):e2158877. doi:10.1080/17452759.2022.2158877
[29] Klassen A, Schakowsky T, Kerner C. Evaporation model for beam based additive manufacturing using free surface lattice Boltzmann methods. J Phys D Appl Phys. 2014;47 (27):275303. doi:10.1088/0022-3727/47/27/275303
[30] Cao L. Mesoscopic-scale numerical simulation including the influence of process parameters on slm single-layer multi-pass formation. Metall Mater Trans A. 2020;51:4130–4145. doi:10.1007/s11661-020-05831-z
[31] Zhuang JR, Lee YT, Hsieh WH, et al. Determination of melt pool dimensions using DOE-FEM and RSM with process window during SLM of Ti6Al4V powder. Opt Laser Technol. 2018;103:59–76. doi:10.1016/j.optlastec.2018. 01.013
[32] Li Y, Gu D. Thermal behavior during selective laser melting of commercially pure titanium powder: numerical simulation and experimental study. Addit Manuf. 2014;1–4:99–109. doi:10.1016/j.addma.2014.09.001
[33] Dai D, Gu D. Thermal behavior and densification mechanism during selective laser melting of copper matrix composites: simulation and experiments. Mater Des. 2014;55 (0):482–491. doi:10.1016/j.matdes.2013.10.006
[34] Wang S, Zhu L, Dun Y, et al. Multi-physics modeling of direct energy deposition process of thin-walled structures: defect analysis. Comput Mech. 2021;67:c1229– c1242. doi:10.1007/s00466-021-01992-9
[35] Wu J, Zheng J, Zhou H, et al. Molten pool behavior and its mechanism during selective laser melting of polyamide 6 powder: single track simulation and experiments. Mater Res Express. 2019;6. doi:10.1088/2053-1591/ab2747
[36] Cho JH, Farson DF, Milewski JO, et al. Weld pool flows during initial stages of keyhole formation in laser welding. J Phys D Appl Phys. 2009;42. doi:10.1088/0022- 3727/42/17/175502
[37] Sinha KN. Identification of a suitable volumetric heat source for modelling of selective laser melting of Ti6Al4V powder using numerical and experimental validation approach. Int J Adv Manuf Technol. 2018;99:2257–2270. doi:10.1007/s00170-018-2631-4
[38] Fu CH, Guo YB. Three-dimensional temperature gradient mechanism in selective laser melting of Ti-6Al-4V. J Manuf Sci Eng. 2014;136(6):061004. doi:10.1115/1.4028539
[39] Ansari P, Rehman AU, Pitir F, et al. Selective laser melting of 316 l austenitic stainless steel: detailed process understanding using multiphysics simulation and experimentation. Metals. 2021;11(7):1076. doi:10.3390/met11071076
[40] Zhao C, Shi B, Chen S, et al. Laser melting modes in metal powder bed fusion additive manufacturing. Rev Mod Phys. 2022;94(4):045002. doi:10.1103/revmodphys.94. 045002
[41] Bertoli US, Wolfer AJ, Matthews MJ, et al. On the limitations of volumetric energy density as a design parameter for selective laser melting. Mater Des. 2017;113:331–340. doi:10.1016/j.matdes.2016.10.037
[42] Dash A, Kamaraj A. Prediction of the shift in melting mode during additive manufacturing of 316L stainless steel. Mater Today Commun. 2023: 107238. doi:10.1016/j. mtcomm.2023.107238
[43] Majeed M, Khan HM, Rasheed I. Finite element analysis of melt pool thermal characteristics with passing laser in SLM process. Optik. 2019;194:163068. doi:10.1016/j.ijleo. 2019.163068

Figura 1 – Mapa de localização da PCH Salto Paraopeba

하천 저수지 물리적 모델의 침적 과정에 대한 전산 유체 역학 모델링(CFD) 기준

Natália Melo da Silva1 1; Jorge Luis Zegarra Tarqui2,Edna Maria de Faria Viana 3


저수지 침전은 수력 발전의 지속 가능한 발전을 위한 주요 문제 중 하나이며 브라질에 매우 중요합니다. 브라질의 주요 에너지원은 수력발전소에서 나옵니다. 소규모 수력 발전소(SHP)는 재생 에너지의 보완적 발전을 위한 중요한 대안입니다.

이들의 설계, 건설, 운영 및 재동력을 최적화하기 위해 저수지 내 퇴적물의 유체 역학 및 이동을 연구하는 것이 매우 중요합니다.

3차원 전산유체역학 – CFD 3D 모델링은 복잡한 흐름 문제에 가장 적합한 방법입니다. 제안된 방법은 MG Jeceaba 자치구에 위치한 PCH Salto Paraopeba의 유체 역학 및 퇴적물 이동 현상을 재현하고 평가하는 것을 목표로 하며, 취수구의 완전한 침전으로 인해 작동이 중단되었습니다.

모델의 검증은 미나스제라이스 연방대학교의 수력학 연구 센터(CPH)에 구축된 축소된 물리적 모델의 실험 데이터를 사용하여 수행됩니다.

Abstract: The reservoir silting is one of the main problems for sustainable development in the
generation of hydroelectric energy and it is of great significance for Brazil. The main source of energy
in Brazil comes from hydroelectric power plant. The Small Hydroelectric Power Plant (SHP) are an
important alternative for complementary generation of renewable energy.
Seeking to optimize the design, construction, operation, and repowering of these, it is extremely
important to study the hydrodynamics and transport of sediments in their reservoirs. Threedimensional Computational Fluid Dynamics – CFD 3D modeling is the most appropriate method for
complex flow problems. The proposed method aims to reproduce and evaluate the hydrodynamic and
sediment transport phenomena of the PCH Salto Paraopeba, located in the municipality of Jeceaba,
MG, which stopped working due to the complete silting up of its water intake. The validation of the
model will be done using experimental data from the reduced physical model, built at the Hydraulic
Research Center (CPH) at the Federal University of Minas Gerais.


퇴적물 수송, 물리적 모델, 소규모 수력 발전소, Sediment transport, physical model, Small Hydroelectric Power Plant.

Figura 1 – Mapa de localização da PCH Salto Paraopeba
Figura 1 – Mapa de localização da PCH Salto Paraopeba
Figura 2 – PCH Salto Paraopeba e modelo reduzido.
Figura 2 – PCH Salto Paraopeba e modelo reduzido.


ALBARELLO, L. “Guia para implantação de pequenas centrais hidrelétricas- PCHs”. Dissertação de Mestrado. Trabalho de Conclusão de Curso de Especialista. Programa de Pós-Graduação em Eficiência Energética Aplicada aos Processos Produtivos. UFSM, Panambi /RS, 2014.

ANEEL, SIGA – Sistema de Informações de Geração da ANEEL. Disponível em: . Acesso em 10 de maio de 2023.

CAMPELLO, B.S.C. “Estudo Da Velocidade de Queda e do Início do Movimento das Partículas de Borracha e Areia”. Dissertação de Mestrado. Programa de Pós-Graduação em Saneamento, Meio Ambiente e Recursos Hídricos. UFMG, Belo Horizonte /MG, 2017.

CAMPOS, A.S. “A Importância do Coeficiente de Rugosidade de Manning na Avaliação Numérica
do Assoreamento de Reservatórios A Fio D’água”. Dissertação de Mestrado. Programa de PósGraduação em Saneamento, Meio Ambiente e Recursos Hídricos. UFMG, Belo Horizonte /MG,

CARVALHO, N. O. et al. Guia de avaliação de assoreamento de reservatórios, ANEEL, Brasília,

CARVALHO, N. O. Hidrossedimentologia prática, CPRM, Rio de Janeiro, 1994.

CARVALHO, N. O. Hidrossedimentologia prática, CPRM, Rio de Janeiro, 2008.

EMIG, PCH Salto do Paraopeba. Disponível em: <>. Acesso em 12 de maio de 2023.

ELETROBRÁS; Instituto de Pesquisas Hidráulicas – IPH. Diagnóstico das Condições sedimentológicas dos Principais Rios Brasileiros. UFRGS, Rio de Janeiro, 1992.

FLOW-3D®. FLOW-3D® 2022R2 – User Manual. Disponível em: <> FORTUNA, A.O. (2000). Técnicas Computacionais para Dinâmica dos Fluidos – Conceitos Básicos e Aplicações. São Paulo – SP.

GONÇALVES, M.O. “Análise Comparativa Entre Modelo Reduzido e Modelos Computacionais Uni
e Bidimensionais”. Dissertação de Mestrado. Programa de Pós-Graduação em Engenharia de
Recursos Hídricos e Ambiental. UFRP, Curitiba/PR, 2017.

HILLEBRAND, G.; KLASSEN, I.; OLSEN, N. R. B. (2017). “3D CFD modelling of velocities and
sediment transport in the Iffezheim hydropower reservoir”. Hydrology Research 48 (1), pp. 147–159.
JULIEN, P. Y. (2010). Erosion and sedimentation, Cambridge University Press, Cambridge, UK, 2nd

MAHMOOD, K. (1987). Reservoir sedimentation – impact, extent and mitigation. World Bank Tech.
Paper No. 71. Washington, DC.

MIRANDA, R.B. “A influência do assoreamento na geração de energia hidrelétrica: estudo de caso
na Usina de Três Irmãos – SP”. Dissertação de Mestrado. Programa de Pós-Graduação em Ciências
da Engenharia Ambiental. USP, São Carlos/SP, 2011.

MOHAMMAD, M.E.; AL-ANSARI, N.; KNUTSSON, S.; LAUE, J. (2020). “A Computational
Fluid Dynamics Simulation Model of Sediment Deposition in a Storage Reservoir Subject to Water
Withdrawal”. Water, 12, 959.

OLIVEIRA, M. A.“Repotenciação de pequenas centrais hidrelétricas: Avaliação técnica e
econômica”. Dissertação de Mestrado. Programa de Pós-Graduação em Engenharia de Energia.
UNIFEI, Itajubá/MG, 2012.

SALIBA, A.P.M. Notas de aula, Modelos fundo móvel, Disciplina Introdução a Modelagem Física
em Engenharia, Universidade Federal de Minas Gerais. Belo Horizonte, 2020.

SOARES, W.S. “Taxa de Assoreamento no Reservatório da Usina Hidrelétrica do Funil, MG”.
Dissertação de Mestrado. Programa de Pós-Graduação em Tecnologias e Inovações Ambientais.
UFLA, Lavras/MG, 2015.

FLOW-3D 2022R2 의 새로운 기능

FLOW-3D 2023R2 의 새로운 기능

2023R2 FLOW-3D 릴리스

FLOW-3D 2023R2 의 새로운 기능

새로운 결과 파일 형식

FLOW-3D POST 2023R2 는 EXODUS II 형식을 기반으로 하는 완전히 새로운 결과 파일 형식을 도입하여 더 빠른 후처리를 가능하게 합니다. 이 새로운 파일 형식은 크고 복잡한 시뮬레이션의 후처리 작업에 소요되는 시간을 크게 줄이는 동시에(평균 최대 5배!) 다른 시각화 도구와의 연결성을 향상시킵니다.

FLOW-3D POST 2023R2 에서 사용자는 이제 selected data를 flsgrf , EXODUS II 둘중 하나 또는 flsgrf 와 EXODUS II 둘다 파일 형식으로 쓸 수 있습니다 . 새로운 EXODUS II 파일 형식은 각 객체에 대해 유한 요소 메쉬를 활용하므로 사용자는 다른 호환 가능한 포스트 프로세서 및 FEA 코드를 사용하여 FLOW-3D 결과를 열 수도 있습니다. 새로운 워크플로우를 통해 사용자는 크고 복잡한 사례를 신속하게 시각화하고 임의 위치에서의 슬라이싱, 볼륨 렌더링 및 통계를 사용하여 추가 정보를 추출할 수 있습니다. 

레이 트레이싱을 이용한 화장품 크림 충전
FLOW-3D POST 의 새로운 EXODUS II 파일 형식으로 채워진 화장품 크림 모델의 향상된 광선 추적 기능의 예

새로운 결과 파일 형식은 솔버 엔진의 성능을 저하시키지 않으면서 flsgrf 에 비해 시각화 작업 흐름에서 놀라운 속도 향상을 자랑합니다. 이 흥미로운 새로운 개발은 결과 분석의 속도와 유연성이 향상되어 원활한 시뮬레이션 경험을 제공합니다. 

FLOW-3D POST 의 새로운 시각화 기능 에 대해 자세히 알아보세요 .

난류 모델 개선

FLOW-3D 2023R2는 two-equation(RANS) 난류 모델에 대한 dynamic mixing length 계산을 크게 개선했습니다. 거의 층류 흐름 체계와 같은 특정 제한 사례에서는 이전 버전의 코드 계산 한계가 때때로 과도하게 예측되어 사용자가 특정 mixing length를 수동으로 입력해야 할 수 있습니다. 

새로운 dynamic mixing length 계산은 이러한 상황에서 난류 길이와 시간 척도를 더 잘 설명합니다. 이제 사용자는 고정된(물리 기반) mixing length를 설정하는 대신 더 넓은 범위의 흐름에 동적 모델을 적용할 수 있습니다.

접촉식 탱크 혼합 시뮬레이션
적절한 고정 mixing length와 비교하여 접촉 탱크의 혼합 시뮬레이션을 위한 기존 동적 mixing length 모델과 새로운 동적 mixing length 모델 간의 비교

정수압 초기화

사용자가 미리 정의된 유체 영역에서 정수압을 초기화해야 하는 경우가 많습니다. 이전에는 대규모의 복잡한 시뮬레이션에서 정수압 솔버의 수렴 속도가 느려지는 경우가 있었습니다. FLOW-3D 2023R2는 정수압 솔버의 성능을 크게 향상시켜 전처리 단계에서 최대 6배 빠르게 수렴할 수 있도록 해줍니다.

압축성 흐름 솔버 성능

FLOW-3D 2023R2는 최적화된 압력 솔버를 도입하여 압축성 흐름 문제에 대해 상당한 성능 향상을 제공합니다. 압축성 제트 흐름의 예에서 2023R2 솔버는 2023R1 버전보다 최대 4배 빠릅니다.

압축성 제트 시뮬레이션
FLOW-3D 의 압축성 제트 시뮬레이션의 예

FLOW-3D 2023R2 의 새로운 기능

FLOW-3D 소프트웨어 제품군의 모든 제품은 2023R2에서 IT 관련 개선 사항을 받았습니다.  FLOW-3D 2023R2은 이제 Windows 11 및 RHEL 8을 지원합니다. Linux 설치 프로그램은 누락된 종속성을 보고하도록 개선되었으며 더 이상 루트 수준 권한이 필요하지 않으므로 설치가 더 쉽고 안전해집니다. 그리고 워크플로우를 자동화한 분들을 위해 입력 파일 변환기에 명령줄 인터페이스를 추가하여 스크립트 환경에서도 워크플로우가 업데이트된 입력 파일로 작동하는지 확인할 수 있습니다.

확장된 PQ 2 분석

제조에 사용되는 유압 시스템은 PQ 2 곡선을 사용하여 모델링할 수 있습니다. 장치의 세부 사항을 건너뛰고 흐름에 미치는 영향을 포함하기 위해 질량 운동량 소스 또는 속도 경계 조건을 사용하여 유압 시스템을 근사화하는 것이 편리하도록 단순화하는 경우가 많습니다. 우리는 기존 PQ 2 분석 모델을 확장하여 이러한 유형의 기하학적 단순화를 허용하면서도 현실적인 결과를 제공했습니다. 이로써 시뮬레이션 시간을 줄이고 모델 복잡성의 감소시킬 수 있습니다.

FLOW-3D 2022R2 의 새로운 기능

FLOW-3D 2022R2 제품군 출시로 Flow Science는 FLOW-3D 의 워크스테이션과 HPC 버전을 통합하여 노드 병렬 고성능 컴퓨팅 실행할 수 있도록 단일 노드 CPU 구성에서 다중 노드에 이르기까지 모든 유형의 하드웨어 아키텍처를 활용할 수 있는 단일 솔버 엔진을 제공합니다. 추가 개발에는 점탄성 흐름을 위한 새로운 로그 형태 텐서 방법, 지속적인 솔버 속도 성능 개선, 고급 냉각 채널 및 팬텀 구성요소 제어, entrained air 기능이 개선되었습니다.

통합 솔버

FLOW-3D 제품을 단일 통합 솔버로 마이그레이션하여 로컬 워크스테이션이나 고성능 컴퓨팅 하드웨어 환경에서 원활하게 실행할 수 있습니다.

많은 사용자가 노트북이나 로컬 워크스테이션에서 모델을 실행하지만, 고성능 컴퓨팅 클러스터에서 더 큰 모델을 실행합니다. 2022R2 릴리스에서는 통합 솔버를 통해 사용자가 HPC 솔루션의 Open MP/MPI 하이브리드 병렬화와 동일한 이점을 활용하여 워크스테이션과 노트북에서 실행할 수 있습니다.

성능 확장의 예
CPU 코어 수 증가에 따른 성능 확장의 예
메쉬 분해의 예
Open MP/MPI 하이브리드 병렬화를 위한 메시 분해의 예

솔버 성능 개선

멀티 소켓 워크스테이션

다중 소켓 워크스테이션은 이제 매우 일반적이며 대규모 시뮬레이션을 실행할 수 있습니다. 새로운 통합 솔버를 사용하면 이러한 유형의 하드웨어를 사용하는 사용자는 일반적으로 HPC 클러스터 구성에서만 사용할 수 있었던 OpenMP/MPI 하이브리드 병렬화를 활용하여 모델을 실행할 수 있어 성능이 향상되는 것을 확인할 수 있습니다.

낮은 수준의 루틴으로 향상된 벡터화 및 메모리 액세스

대부분의 테스트 사례에서 10~20% 정도의 성능 향상이 관찰되었으며 일부 사례에서는 20%를 초과하는 런타임 이점이 나타났습니다.

정제된 체적 대류 안정성 한계

Time step 안정성 한계는 모델 런타임의 주요 요인이며, 2022R2에서는 새로운 time step 안정성 한계인 3D 대류 안정성 한계를 Numerics 탭에서 사용할 수 있습니다. 실행 중이고 대류가 제한된(cx, cy 또는 cz 제한) 모델의 경우 새 옵션은 일반적인 속도 향상을 30% 정도 보여줍니다.

압력 솔버 프리컨디셔너

경우에 따라 까다로운 유동 해석의 경우 과도한 압력 솔버 반복으로 인해 실행 시간이 길어질 수 있습니다. 이러한 어려운 경우 2022R2에서는 모델이 너무 많이 반복되면 FLOW-3D가 자동으로 새로운 프리컨디셔너 기능을 활성화하여 압력 수렴을 돕습니다. 런타임이 1.9~335배 더 빨라졌습니다!

점탄성 유체에 대한 로그 형태 텐서 방법

점탄성 유체에 대한 새로운 솔버 옵션을 사용자가 사용할 수 있으며 특히 높은 Weissenberg 수에 효과적입니다.

점탄성 흐름을 위한 개선된 솔루션
로그 구조 텐서 솔루션을 사용하여 점탄성 흐름에 대한 높은 Weissenberg 수의 개선된 솔루션의 예입니다. 제공: MF Tome 외, J. Non-Newton. Fluid. Mech. 175-176 (2012) 44–54

활성 시뮬레이션 제어 확장

Active simulation 제어 기능이 확장되어 연속 주조 및 적층 제조 응용 분야에 일반적으로 사용되는 팬텀 개체는 물론 주조 및 기타 여러 열 관리 응용 분야에 사용되는 냉각 채널에도 사용됩니다.

팬텀 물체 속도 제어의 예
연속 주조 응용 분야에 대한 가상 물체 속도 제어의 예
동적 열 제어의 예
융합 증착 모델링 애플리케이션을 위한 동적 열 제어의 예
동적 냉각 채널 제어의 예
산업용 탱크 적용을 위한 동적 냉각 채널 제어의 예

향상된 공기 동반 기능

디퓨저 및 이와 유사한 산업용 기포 흐름 응용 분야의 경우 이제 질량 공급원을 사용하여 물기둥에 공기를 유입할 수 있습니다. 또한, 동반된 공기 및 용존 산소의 난류 확산에 대한 기본값이 업데이트되었으며 매우 낮은 공기 농도에 대한 모델 정확도가 향상되었습니다.

디퓨저 모델의 예
디퓨저 모델의 예: 이제 질량 소스를 사용하여 물기둥에 공기를 유입할 수 있습니다.

FLOW-3D 아카이브 의 새로운 기능

FLOW-3D 2022R1 의 새로운 기능

FLOW-3D v12.0 의 새로운 기능

Figure 2-15: Système expérimental du plan incliné

새로운 콘크리트의 유체 흐름 모델링

Sous la direction de :
Marc Jolin, directeur de recherche
Benoit Bissonnette, codirecteur de recherche

Modélisation de l’écoulement du béton frais


현재의 기후 비상 사태와 기후 변화에 관한 다양한 과학적 보고서를 고려할 때 인간이 만든 오염을 대폭 줄이는 것은 필수적이며 심지어 중요합니다. 최신 IPCC(기후변화에 관한 정부 간 패널) 보고서(2022)는 2030년까지 배출량을 절반으로 줄여야 함을 나타내며, 지구 보존을 위해 즉각적인 조치를 취해야 한다고 강력히 강조합니다.

이러한 의미에서 콘크리트 생산 산업은 전체 인간 이산화탄소 배출량의 4~8%를 담당하고 있으므로 환경에 미치는 영향을 줄이기 위한 진화가 시급히 필요합니다.

본 연구의 주요 목적은 이미 사용 가능한 기술적 품질 관리 도구를 사용하여 생산을 최적화하고 혼합 시간을 단축하며 콘크리트 폐기물을 줄이기 위한 신뢰할 수 있고 활용 가능한 수치 모델을 개발함으로써 이러한 산업 전환에 참여하는 것입니다.

실제로, 혼합 트럭 내부의 신선한 콘크리트의 거동과 흐름 프로파일을 더 잘 이해할 수 있는 수치 시뮬레이션을 개발하면 혼합 시간과 비용을 더욱 최적화할 수 있으므로 매우 유망합니다. 이러한 복잡한 수치 도구를 활용할 수 있으려면 수치 시뮬레이션을 검증, 특성화 및 보정하기 위해 기본 신 콘크리트 흐름 모델의 구현이 필수적입니다.

이 논문에서는 세 가지 단순 유동 모델의 개발이 논의되고 얻은 결과는 신선한 콘크리트 유동의 수치적 거동을 검증하는 데 사용됩니다. 이러한 각 모델은 강점과 약점을 갖고 있으며, 신선한 콘크리트의 유변학과 유동 거동을 훨씬 더 잘 이해할 수 있는 수치 작업 환경을 만드는 데 기여합니다.

따라서 이 연구 프로젝트는 새로운 콘크리트 생산의 완전한 모델링을 위한 진정한 관문입니다.

In view of the current climate emergency and the various scientific reports on climate change, it is essential and even vital to drastically reduce man-made pollution. The latest IPCC (Intergovernmental Panel on Climate Change) report (2022) indicates that emissions must be halved by 2030 and strongly emphasizes the need to act immediately to preserve the planet. In this sense, the concrete production industry is responsible for 4-8% of total human carbon dioxide emissions and therefore urgently needs to evolve to reduce its environmental impact. The main objective of this study is to participate in this industrial transition by developing a reliable and exploitable numerical model to optimize the production, reduce mixing time and also reduce concrete waste by using technological quality control tools already available. Indeed, developing a numerical simulation allowing to better understand the behavior and flow profiles of fresh concrete inside a mixing-truck is extremely promising as it allows for further optimization of mixing times and costs. In order to be able to exploit such a complex numerical tool, the implementation of elementary fresh concrete flow models is essential to validate, characterize and calibrate the numerical simulations. In this thesis, the development of three simple flow models is discussed and the results obtained are used to validate the numerical behavior of fresh concrete flow. Each of these models has strengths and weaknesses and contributes to the creation of a numerical working environment that provides a much better understanding of the rheology and flow behavior of fresh concrete. This research project is therefore a real gateway to a full modelling of fresh concrete production.

Key words

fresh concrete, rheology, numerical simulation, mixer-truck, rheological probe.

Figure 2-15: Système expérimental du plan incliné
Figure 2-15: Système expérimental du plan incliné
Figure 2-19: Essai d'affaissement au cône d'Abrams
Figure 2-19: Essai d’affaissement au cône d’Abrams


Amziane, S., Ferraris, C. F., & Koehler, E. (2006). Feasibility of Using a Concrete
Mixing Truck as a Rheometer.
Anderson, J. D. (1991). Fundamentals of aerodynamics. McGraw-Hill.
Balmforth, N. J., Craster, R. V., & Sassi, R. (2002). Shallow viscoplastic flow on an
inclined plane. Journal of Fluid Mechanics, 470, 1-29.
Banfill, P., Beaupré, D., Chapdelaine, F., de Larrard, F., Domone, P., Nachbaur, L.,
Sedran, T., Wallevik, O., & Wallevik, J. E. (2000). Comparison of concrete
rheometers International tests at LCPC (Nantes, France) in October 2000. In
Baracu T. (2012). Computational analysis of the flow around a cylinder and of the
drag force.
Barreto, D., & Leak, J. (2020). A guide to modeling the geotechnical behavior of soils
using the discrete element method. In Modeling in Geotechnical Engineering (p.
79-100). Elsevier.
Baudez, J. C., Chabot, F., & Coussot, P. (2002). Rheological interpretation of the
slump test. Applied Rheology, 12(3), 133-141.
Beaupre, D. (2012). Mixer-mounted probe measures concrete workability.
Berger, X. (2023). Proposition de recherche et préparation orale de doctorat (GCI8084).
Bergeron, P. (1953). Considérations sur les facteurs influençant l’usure due au
transport hydraulique de matériaux solides. Application plus particulière aux
Bingham, E. (1922). Fluidity and Plasticity (Digitized by the Internet Archive in 2007).
Bruschi, G., Nishioka, T., Tsang, K., & Wang, R. (2003). A comparison of analytical
methods drag coefficient of a cylinder.

Caceres, E. C. (2019). Impact de la rhéologie des matériaux cimentaires sur l’aspect
des parements et les procédés de mise en place.
Chanson, H., Jarny, ; S, & Coussot, P. (2006). Dam Break Wave of Thixotropic Fluid.
Chi, Z. P., Yang, H., Li, R., & Sun, Q. C. (2021). Measurements of unconfined fresh
concrete flow on a slope using spatial filtering velocimetry. Powder Technology,
393, 349-356.
Cochard, S., & Ancey, C. (2009). Experimental investigation of the spreading of
viscoplastic fluids on inclined planes. Journal of Non-Newtonian Fluid
Mechanics, 158(1-3), 73-84.
Coussot, Philippe., & Ancey, C. (Christophe). (1999). Rhéophysique des pâtes et
des suspensions. EDP Sciences.
CSA Group. (2019). CSA A23.1:19 / CSA A23.2:19 : Concrete materials and
methods of concret construction / Test methods and standard practices for
Daczko, J. A. (2000). A proposal for measuring rheology of production concrete.
De Larrard, F. (1999). Structures granulaires et formulation des bétons.
De Larrard, F., Ferraris, C. F., & Sedran, T. (1998). Fresh concrete: A HerscheIBulkley material (Vol. 31).
Domone P.L.J., J. J. (1999). Properties of mortar for self-compacting concrete.
RILEM, 109-120.
El-Reedy, M. (2009). Advanced Materials and Techniques for Reinforced Concrete
Emborg M. (1999). Rheology tests for self-compacting concrete – how useful are
they for the design of concrete mix for full-scale production.
Fall A. (2008). Rhéophysique des fluides complexes : Ecoulement et Blocage de
suspensions concentrées.
Ferraris, C. F., Brower, L. E., Beaupré, D., Chapdelaine, F., Domone, P., Koehler,
E., Shen, L., Sonebi, M., Struble, L., Tepke, D., Wallevik, O., & Wallevik, J. E.

(2003). Comparison of concrete rheometers: International tests at MB.
Ferraris, C. F., & de Larrard, F. (1998a). Rhéologie du béton frais remanié III – L’essai
au cône d’Abrams modifié.
Ferraris, C. F., & de Larrard, F. (1998b, février). NISTIR 6094 Testing and modelling
of fresh concrete rheology. NISTIR 6094.
Fischedick, M., Roy, J., Abdel-Aziz, A., Acquaye Ghana, A., Allwood, J., Baiocchi,
G., Clift, R., Nenov, V., Yetano Roche Spain, M., Roy, J., Abdel-Aziz, A.,
Acquaye, A., Allwood, J. M., Ceron, J., Geng, Y., Kheshgi, H., Lanza, A.,
Perczyk, D., Price, L., … Minx, J. (2014). Climate Change 2014.
Fox R., & McDonald A. (2004). Introduction to fluid mechanics.
Franco Correa I.-D. (2019). Étude tribologique à hautes températures de matériaux
céramiques structurés à différentes échelles.
GIEC. (2022). Climate Change 2022 : Mitigation of Climate Change.
Gouvernement du Canada. (2021, mai 31). Déclaration commune : L’industrie
canadienne du ciment et le gouvernement du Canada annoncent un partenariat.
Grenier, M. (1998). Microstructure et résistance à l’usure de revêtements crées par
fusion laser avec gaz réactifs sur du titane.
Herschel, W. H., & Bulkley, R. (1926). Konsistenzmessungen von GummiBenzollösungen. Kolloid-Zeitschrift, 39(4), 291-300.
Hirt, C. W., & Nichols, B. D. (1981). Volume of fluid (VOF) method for the dynamics
of free boundaries. Journal of Computational Physics, 39(1), 201-225.
Hoornahad, H., & Koenders, E. A. B. (2012). Simulation of the slump test based on
the discrete element method (DEM). Advanced Materials Research, 446-449,

Hu, C., de Larrard, F., Sedran, T., Boulay, C., Bosd, F., & Deflorenne, F. (1996).
Validation of BTRHEOM, the new rheometer for soft-to-fluid concrete. In
Materials and Structures/Mat~riaux et Constructions (Vol. 29).
Jeong, S. W., Locat, J., Leroueil, S., & Malet, J. P. (2007). Rheological properties of
fine-grained sediments in modeling submarine mass movements: The role of
texture. Submarine Mass Movements and Their Consequences, 3rd
International Symposium, 191-198.
Kabagire, K. D. (2018). Modélisation expérimentale et analytique des propriétés
rhéologiques des bétons autoplaçants.
Katopodes, N. D. (2019). Volume of Fluid Method. In Free-Surface Flow (p.
766-802). Elsevier.
Khayat. (2008). Personnal Communication.
Kosmatka, S. (2011). Dosage et contrôle des mélanges de béton (8ème édition).
Li, H., Wu, A., & Cheng, H. (2022). Generalized models of slump and spread in
combination for higher precision in yield stress determination. Cement and
Concrete Research, 159.
Massey, B., & Smith, J. (2012). Mechanics of fluids 9ème édition.
Mokéddem, S. (2014). Contrôle de la rhéologie d’un béton et de son évolution lors
du malaxage par des mesures en ligne à l’aide de la sonde Viscoprobe.
Munson, B. R., & Young, D. R. (2006). Fundamental of Fluid Mechanics (5th éd.).
Munson, M., Young, M. , & Okiishi, M. (2020). Mécanique des fluides (8ème édition).
Murata, J., & Kikukawa, H. (1992). Viscosity Equation for Fresh Concrete.
Nakayama, Y., & Boucher, R. F. (2000). Introduction to fluid mechanics. ButterworthHeinemann.
Němeček, J. (2021). Numerical simulation of slump flow test of cement paste
composites. Acta Polytechnica CTU Proceedings, 30, 58-62.
Nikitin, K. D., Olshanskii, M. A., Terekhov, K. M., & Vassilevski, Y. V. (2011). A
numerical method for the simulation of free surface flows of viscoplastic fluid in

3D. Journal of Computational Mathematics, 29(6), 605-622.
Noh, W. F., & Woodward, P. (1976). SLIC (Simple Line Interface Calculation).
Odabas, D. (2018). Effects of Load and Speed on Wear Rate of Abrasive Wear for
2014 Al Alloy. IOP Conference Series: Materials Science and Engineering,
Pintaude, G. (s. d.). Characteristics of Abrasive Particles and Their Implications on
Poullain, P. (2003). Étude comparative de l’écoulement d’un fluide viscoplastique
dans une maquette de malaxeur pour béton.
R. J. Cattolica. (2003). Experiment F2: Water Tunnel. In MAE171A/175A Mechanical
Engineering Laboratory Manual (Winter Quarter).
Raper, R. M. (1966). Drag force and pressure distribution on cylindrical
protuberances immersed in a turbulent channel flow.
RMCAO. (2013). CSA A23.2-5C: Concrete Basics Slump Test.
Roques, A., & School, H. (2006). High resolution seismic imaging applied to the
geometrical characterization of very high voltage electric pylons.
Roussel, N. (2006). Correlation between yield stress and slump: Comparison
between numerical simulations and concrete rheometers results. Materials and
Structures/Materiaux et Constructions, 39(4), 501-509.
Roussel, N., & Coussot, P. (2005). “Fifty-cent rheometer” for yield stress
measurements: From slump to spreading flow. Journal of Rheology, 49(3),
Roussel, N., Geiker, M. R., Dufour, F., Thrane, L. N., & Szabo, P. (2007).
Computational modeling of concrete flow: General overview. Cement and
Concrete Research, 37(9), 1298-1307.
Schaer, N. (2019). Modélisation des écoulements à surface libre de fluides nonnewtoniens.

Schowalter, W. R., & Christensen, G. (1998). Toward a rationalization of the slump
test for fresh concrete: Comparisons of calculations and experiments. Journal
of Rheology, 42(4), 865-870.
Sofiane Amziane, Chiara F. Ferraris, & Eric P. Koehler. (2005). Measurement of
Workability of Fresh Concrete Using a Mixing Truck. Journal of Research of the
National Institute of Standards Technology, 55-56.
Sooraj, P., Agrawal, A., & Sharma, A. (2018). Measurement of Drag Coefficient for
an Elliptical Cylinder. Journal of Energy and Environmental Sustainability, 5,
Stachowiak G. (2006). Wear – Materials, Mechanisms and Pratice.
Stachowiak G.W. (1993). Tribology Series (Vol. 24, p. 557-612). Elsevier.
Tattersall, G., & Banfill, P. F. G. (1983). The rheology of fresh concrete.
The European Guidelines for Self-Compacting Concrete Specification, Production
and Use « The European Guidelines for Self Compacting Concrete ». (2005).
University College London. (2010). Pressure around a cylinder and cylinder drag.
Van Oudheusden, B. W., Scarano, F., Roosenboom, E. W. M., Casimiri, E. W. F., &
Souverein, L. J. (2007). Evaluation of integral forces and pressure fields from
planar velocimetry data for incompressible and compressible flows.
Experiments in Fluids, 43(2-3), 153-162.
Vasilic, K., Gram, A., & Wallevik, J. E. (2019). Numerical simulation of fresh concrete
flow: Insight and challenges. RILEM Technical Letters, 4, 57-66.
Viccione, G., Ferlisi, S., & Marra, E. (2010). A numerical investigation of the
interaction between debris flows and defense barriers.
Wallevik J. (2006). Relation between the Bingham parameters and slump.
Wallevik, J. E. (2006). Relationship between the Bingham parameters and slump.
Cement and Concrete Research, 36(7), 1214-1221.

Wallevik, J. E., & Wallevik, O. H. (2020). Concrete mixing truck as a rheometer.
Cement and Concrete Research, 127.

Validity evaluation of popular liquid-vapor phase change models for cryogenic self-pressurization process

극저온 자체 가압 공정을 위한 인기 있는 액체-증기 상 변화 모델의 타당성 평가

액체-증기 상 변화 모델은 밀폐된 용기의 자체 가압 프로세스 시뮬레이션에 매우 큰 영향을 미칩니다. Hertz-Knudsen 관계, 에너지 점프 모델 및 그 파생물과 같은 널리 사용되는 액체-증기 상 변화 모델은 실온 유체를 기반으로 개발되었습니다. 액체-증기 전이를 통한 극저온 시뮬레이션에 널리 적용되었지만 각 모델의 성능은 극저온 조건에서 명시적으로 조사 및 비교되지 않았습니다. 본 연구에서는 171가지 일반적인 액체-증기 상 변화 모델을 통합한 통합 다상 솔버가 제안되었으며, 이를 통해 이러한 모델을 실험 데이터와 직접 비교할 수 있습니다. 증발 및 응축 모델의 예측 정확도와 계산 속도를 평가하기 위해 총 <>개의 자체 가압 시뮬레이션이 수행되었습니다. 압력 예측은 최적화 전략이 서로 다른 모델 계수에 크게 의존하는 것으로 나타났습니다. 에너지 점프 모델은 극저온 자체 가압 시뮬레이션에 적합하지 않은 것으로 나타났습니다. 평균 편차와 CPU 소비량에 따르면 Lee 모델과 Tanasawa 모델은 다른 모델보다 안정적이고 효율적인 것으로 입증되었습니다.


International Journal of Heat and Mass Transfer

Volume 181, December 2021, 121879

International Journal of Heat and Mass Transfer

Validity evaluation of popular liquid-vapor phase change models for cryogenic self-pressurization process

Author links open overlay panelZhongqi Zuo, Jingyi Wu, Yonghua HuangShow moreAdd to MendeleyShareCite rights and content


Liquid-vapor phase change models vitally influence the simulation of self-pressurization processes in closed containers. Popular liquid-vapor phase change models, such as the Hertz-Knudsen relation, energy jump model, and their derivations were developed based on room-temperature fluids. Although they had widely been applied in cryogenic simulations with liquid-vapor transitions, the performance of each model was not explicitly investigated and compared yet under cryogenic conditions. A unified multi-phase solver incorporating four typical liquid-vapor phase change models has been proposed in the present study, which enables direct comparison among those models against experimental data. A total number of 171 self-pressurization simulations were conducted to evaluate the evaporation and condensation models’ prediction accuracy and calculation speed. It was found that the pressure prediction highly depended on the model coefficients, whose optimization strategies differed from each other. The energy jump model was found inadequate for cryogenic self-pressurization simulations. According to the average deviation and CPU consumption, the Lee model and the Tanasawa model were proven to be more stable and more efficient than the others.


The liquid-vapor phase change of cryogenic fluids is widely involved in industrial applications, such as the hydrogen transport vehicles [1], shipborne liquid natural gas (LNG) containers [2] and on-orbit cryogenic propellant tanks [3]. These applications require cryogenic fluids to be stored for weeks to months. Although high-performance insulation measures are adopted, heat inevitably enters the tank via radiation and conduction. The self-pressurization in the tank induced by the heat leakage eventually causes the venting loss of the cryogenic fluids and threatens the safety of the craft in long-term missions. To reduce the boil-off loss and extend the cryogenic storage duration, a more comprehensive understanding of the self-pressurization mechanism is needed.

Due to the difficulties and limitations in implementing cryogenic experiments, numerical modeling is a convenient and powerful way to study the self-pressurization process of cryogenic fluids. However, how the phase change models influence the mass and heat transfer under cryogenic conditions is still unsettled [4]. As concluded by Persad and Ward [5], a seemingly slight variation in the liquid-vapor phase change models can lead to erroneous predictions.

Among the liquid-vapor phase change models, the kinetic theory gas (KTG) based models and the energy jump model are the most popular ones used in recent self-pressurization simulations [6]. The KTG based models, also known as the Hertz-Knudsen relation models, were developed on the concept of the Maxwell-Boltzmann distribution of the gas molecular [7]. The Hertz-Knudsen relation has evolved to several models, including the Schrage model [8], the Tanasawa model [9], the Lee model [10] and the statistical rate theory (SRT) [11], which will be described in Section 2.2. Since the Schrage model and the Lee model are embedded and configured as the default ones in the commercial CFD solvers Flow-3D® and Ansys Fluent® respectively, they have been widely used in self-pressurization simulations for liquid nitrogen [12], [13] and liquid hydrogen [14], [15]. The major drawback of the KTG models lies in the difficulty of selecting model coefficients, which were reported in a considerably wide range spanning three magnitudes even for the same working fluid [16], [17], [18], [19], [20], [21]. Studies showed that the liquid level, pressure and mass transfer rate are directly influenced by the model coefficients [16], [22], [23], [24], [25]. Wrong coefficients will lead to deviation or even divergence of the results. The energy jump model is also known as the thermal limitation model. It assumes that the evaporation and condensation at the liquid-vapor interface are induced only by heat conduction. The model is widely adopted in lumped node simulations due to its simplicity [6], [26], [27]. To improve the accuracy of mass flux prediction, the energy jump model was modified by including the convection heat transfer [28], [29]. However, the convection correlations are empirical and developed mainly for room-temperature fluids. Whether the correlation itself can be precisely applied in cryogenic simulations still needs further investigation.

Fig. 1 summarizes the cryogenic simulations involving the modeling of evaporation and condensation processes in recent years. The publication has been increasing rapidly. However, the characteristics of each evaporation and condensation model are not explicitly revealed when simulating self-pressurization. A comparative study of the phase change models is highly needed for cryogenic fluids for a better simulation of the self-pressurization processes.

In the present paper, a unified multi-phase solver incorporating four typical liquid-vapor phase change models, namely the Tanasawa model, the Lee model, the energy jump model, and the modified energy jump model has been proposed, which enables direct comparison among different models. The models are used to simulate the pressure and temperature evolutions in an experimental liquid nitrogen tank in normal gravity, which helps to evaluate themselves in the aspects of accuracy, calculation speed and robustness.

Section snippets

Governing equations for the self-pressurization tank

In the present study, both the fluid domain and the solid wall of the tank are modeled and discretized. The heat transportation at the solid boundaries is considered to be irrelevant with the nearby fluid velocity. Consequently, two sets of the solid and the fluid governing equations can be decoupled and solved separately. The pressures in the cryogenic container are usually from 100 kPa to 300 kPa. Under these conditions, the Knudsen number is far smaller than 0.01, and the fluids are

Self-pressurization results and phase change model comparison

This section compares the simulation results by different phase change models. Section 3.1 compares the pressure and temperature outputs from two KTG based models, namely the Lee model and the Tanasawa model. Section 3.2 presents the pressure predictions from the energy transport models, namely the energy jump model and the modified energy jump model, and compares pressure prediction performances between the KTG based models and the energy transport models. Section 3.3 evaluates the four models 


A unified vapor-liquid-solid multi-phase numerical solver has been accomplished for the self pressurization simulation in cryogenic containers. Compared to the early fluid-only solver, the temperature prediction in the vicinity of the tank wall improves significantly. Four liquid-vapor phase change models were integrated into the solver, which enables fair and effective comparison for performances between each other. The pressure and temperature prediction accuracies, and the calculation speed

CRediT authorship contribution statement

Zhongqi Zuo: Data curation, Formal analysis, Writing – original draft, Validation. Jingyi Wu: Conceptualization, Writing – review & editing, Validation. Yonghua Huang: Conceptualization, Formal analysis, Writing – review & editing, Validation.

Declaration of Competing Interest

Authors declare that they have no financial and personal relationships with other people or organizations that can inappropriately influence our work, there is no professional or other personal interest of any nature or kind in any product, service and/or company that could be construed as influencing the position presented in, or the review of, the manuscript entitled, “Validity evaluation of popular liquid-vapor phase change models for cryogenic self-pressurization process”.


This project is supported by the National Natural Science Foundation of China (No. 51936006).

References (40)

There are more references available in the full text version of this article.

Cited by (7)

Fig. 1. Protection matt over the scour pit.

그물형 세굴방지매트를 사용한 수직말뚝의 흐름에 대한 수치적 연구

Numerical study of the flow at a vertical pile with net-like scour protection matt
Minxi Zhanga,b
, Hanyan Zhaoc
, Dongliang Zhao d, Shaolin Yuee
, Huan Zhoue
Xudong Zhaoa
, Carlo Gualtierif
, Guoliang Yua,b,∗
a SKLOE, School of Naval Architecture, Ocean & Civil Engineering, Shanghai Jiao Tong University, Shanghai 200240, China b KLMIES, MOE, School of Naval Architecture, Ocean & Civil Engineering, Shanghai Jiao Tong University, Shanghai 200240, China c Guangdong Research Institute of Water Resources and Hydropower, Guangzhou 510610, China d CCCC Second Harbor Engineering Co., Ltd., Wuhan 430040, China e CCCC Road & Bridge Special Engineering Co., Ltd, Wuhan 430071, China f Department of Structures for Engineering and Architecture, University of Naples Federico II, Italy


현재 또는 파도 환경에서 말뚝 또는 부두의 국부 세굴은 전 세계적으로 상부 구조물의 안전을 위협합니다. 말뚝이나 부두에서 세굴 방지 덮개로 그물 모양의 매트를 적용하는 것이 제안되었습니다. 매트는 국부 세굴 구덩이의 흐름을 약화 및 확산시켜 국부 세굴을 줄이고 퇴적물 퇴적을 강화합니다. 매트로 덮힌 말뚝의 흐름을 조사하기 위해 수치 시뮬레이션을 수행했습니다. 시뮬레이션 결과는 매트의 두께 dt(2.6d95 ~ 17.9d95)와 개구부 크기 dn(7.7d95 ~ 28.2d95)을 최적화하는 데 사용되었습니다. 매트가 국부 속도를 상당히 감소시키고 말뚝에서 와류를 소멸시켜 국부 세굴 범위를 실질적으로 감소시키는 것으로 밝혀졌습니다. 매트의 개구부 크기가 작을수록 베드에서의 유동확산이 더 효과적이었으며 말뚝에서 더 작은 베드전단응력이 관찰되었다. 본 연구에서 고려한 유동 조건의 경우 상대 두께 T = 7.7 및 상대 개구 크기 S = 7.7인 매트가 세굴 방지에 효과적일 수 있습니다.

Fig. 1. Protection matt over the scour pit.
Fig. 26. Distribution of the turbulent kinetic energy on the y-z plane (X = 0.5) for various S
Fig. 26. Distribution of the turbulent kinetic energy on the y-z plane (X = 0.5) for various S


[1] C. He, Mod. Transp. Technol. 17 (3) (2020) 46–59 in Chinese.
[2] X. Wen, D. Zhang, J. Tianjin Univ. 54 (10) (2021) 998–1007 (Science and Technology)in Chinese.
[3] M. Zhang, H. Sun, W. Yao, G. Yu, Ocean Eng. 265 (2020) 112652, doi:10.1016/j.
[4] K. Wardhana, F.C. Hadipriono, J. Perform. Constr. Fac. 17 (3) (2003) 144–150,
[5] R. Ettema, G. Constantinescu, B.W. Melville, J. Hydraul. Eng. 143 (9) (2017)
03117006, doi:10.1061/(ASCE)HY.1943-7900.0001330.
[6] C. Valela, C.D. Rennie, I. Nistor, Int. J. Sediment Res. 37 (1) (2021) 37–46,
[7] B.W. Melville, A.J. Sutherland, J. Hydraul. Eng. 114 (10) (1988) 1210–1226,
[8] E.V. Richardson, S.R. Davis, Evaluating Scour At Bridges, 4th ed., United States
Department of Transportation, Federal Highway Administration, Washington,
DC., 2001.
[9] D.M. Sheppard, B. Melville, H. Demir, J. Hydraul. Eng. 140 (1) (2014) 14–23,
[10] A.O. Aksoy, G. Bombar, T. Arkis, M.S. Guney, J. Hydrol. Hydromech. 65 (1)
(2017) 26–34.
[11] D.T. Bui, A. Shirzadi, A. Amini, et al., Sustainability 12 (3) (2020) 1063, doi:10.
[12] B.M. Sumer, J. Fredsoe, The Mechanics of Scour in Marine Environments. World
Advanced Series on Ocean Engineering, 17, World Scientific, Singapore, 2002.
[13] J. Unger, W.H. Hager, Exp. Fluids 42 (1) (2007) 1–19.
[14] G. Kirkil, S.G. Constantinescu, R. Ettema, J. Hydraul. Eng. 134 (5) (2008) 82–84,
[15] B. Dargahi, J. Hydraul. Eng. 116 (10) (1990) 1197–1214.
[16] A. Bestawy, T. Eltahawy, A. Alsaluli, M. Alqurashi, Water Supply 20 (3) (2020)
1006–1015, doi:10.2166/ws.2020.022.
[17] Y.M. Chiew, J. Hydraul. Eng. 118 (9) (1992) 1260–1269.
[18] D. Bertoldi, R. Kilgore, in: Hydraulic Engineering ’93, ASCE, San Francisco, California, United States, 1993, pp. 1385–1390.
[19] Y.M. Chiew, J. Hydraul. Eng. 121 (9) (1997) 635–642.
[20] C.S. Lauchlan, B.W. Melville, J. Hydraul. Eng. 127 (5) (2001) 412–418, doi:10.
[21] P.F. Lagasse, P.E. Clopper, L.W. Zevenbergen, L.G. Girard, National Cooperative
Highway Research Program (NCHRPReport 593), Countermeasures to protect
bridge piers from scour, Washington, DC, NCHRP, 2007.
[22] S. Jiang, Z. Zhou, J. Ou, J. Sediment Res. (4) (2013) 63–67 in Chinese.
[23] A. Galan, G. Simarro, G. Sanchez-Serrano, J. Hydraul. Eng. 141 (6) (2015)
06015004, doi:10.1061/(ASCE)HY.1943-7900.0001003.
[24] Z. Zhang, H. Ding, J. Liu, Ocean Eng. 33 (2) (2015) 77–83 in Chinese.
[25] C. Valela, C.N. Whittaker, C.D. Rennie, I. Nistor, B.W. Melville, J. Hydraul. Eng.
148 (3) (2022) 04022002 10.1061/%28ASCE%29HY.1943-7900.0001967.
[26] B.W. Melville, A.C. Hadfield, J. Hydraul. Eng. 6 (2) (1999) 1221–1224, doi:10.
[27] V. Kumar, K.G. Rangaraju, N. Vittal, J. Hydraul. Eng. 125 (12) (1999) 1302–1305.
[28] A.M. Yasser, K.S. Yasser, M.A. Abdel-Azim, Alex. Eng. J. 54 (2) (2015) 197–203,
[29] S. Khaple, P.R. Hanmaiahgari, R. Gaudio, S. Dey, Acta Geophys. 65 (2017) 957–
975, doi:10.1007/s11600-017-0084-z.
[30] C. Valela, I. Nistor, C.D. Rennie, in: Proceedings of the 6th International Disaster Mitigation Specialty Conference, Fredericton, Canada, Canadian Society for
Civil Engineering, 2018, pp. 235–244.
[31] A. Tafarojnoruz, R. Gaudio, F. Calomino, J. Hydraul. Eng. 138 (3) (2012) 297–
305, doi:10.1061/(ASCE)HY.1943-7900.0000512.
[32] H. Tang, S. Fang, Y. Zhou, K. Cai, Y.M. Chiew, S.Y. Lim, N.S. Cheng, in: Proceedings of the 2nd International Conference Scour and Erosion (ICSE-2), Singapore.
Singapore, Nanyang Technological University, 2004.
[33] W. Zhang, Y. Li, X. Wang, Z. Sun, J. Sichuan Univ. 06 (2005) 34–40 (Engineering
Science Edition)in Chinese.
[34] S. Yang, B. Shi, Trans. Oceanol. Limnol. 5 (2017) 43–47 in Chinese.
[35] H. Wang, F. Si, G. Lou, W. Yang, G. Yu, J. Waterw. Port Coast. Ocean Eng. 141
(1) (2015) 04014030, doi:10.1061/(ASCE)WW.1943-5460.0000270.
[36] L.D. Meyer, S.M. Dabney, W.C. Harmon, Trans. ASAE 38 (3) (1995) 809–815.
[37] G. Spyreas, B.W. Wilm, A.E. Plocher, D.M. Ketzner, J.W. Matthews, J.L. Ellis, E.J. Heske, Biol. Invasions 12 (5) (2010) 1253–1267, doi:10.1007/
[38] T. Lambrechts, S. François, S. Lutts, R. Muñoz-Carpena, C.L. Bielders, J. Hydrol.
511 (2014) 800–810, doi:10.1016/j.jhydrol.2014.02.030.
[39] G. Yu, Dynamic Embedded Anchor with High Frequency Micro Amplitude Vibrations. CN patent No: ZL200810038546.0, 2008.
[40] X. Chen, M. Zhang, G. Yu, Ocean Eng. 236 (2021) 109315, doi:10.1016/j.
[41] F. Gumgum, M.S. Guney, in: Proceedings of the 6th International Conference
Engineering and Natural Sciences (ICENS), Serbia, Belgrade, 2020.
[42] H. Zhao, S. Yue, H. Zhou, M. Zhang, G. Yu, Ocean Eng. 40 (5) (2022) 111–120
in Chinese.
[43] B. Blocken, C. Gualtieri, Environ. Modell. Softw. 33 (2012) 1–22, doi:10.1016/j.
[44] N.D. Bennett, B.F. Croke, G. Guariso, et al., Modell. Softw. 40 (2013) 1–20,
[45] X. Zhao, Effectiveness and Mechanism of Lattice On Sedimentation and Anti-Erosion of Local Scour Hole At Piers, Shanghai Jiao Tong University, Shanghai, China, 2023.
[46] M. Zhang, G. Yu, Water Resour. Res. 53 (9) (2017) 7798–7815, doi:10.1002/

Design optimization of perforation on deflector for improved performance of vortex settling basin

와류 침전 수조의 성능 향상을 위한 디플렉터의 천공 설계 최적화*


Zhuoyun MuYiyi MaLin Li

First published: 18 August 2021

*Optimisation de la conception de la perforation sur le déflecteur pour une meilleure performance du bassin de décantation par vortex.

Funding information: Graduate Research and Innovation Project of Xinjiang Autonomous Region, Grant/Award Number: XJ2020G171; Xinjiang Agricultural University, Grant/Award Number: SLXK-YJS-2019-04; National Natural Science Foundation of China, Grant/Award Number: 52069028; Tianshan Youth Project, Grant/Award Number: 2018Q017; Department of Education, Xinjiang Uygur Autonomous Region, Grant/Award Number: XJEDU2018I010


For vortex settling basins (VSBs) installed with a deflector, perforation is an effective retrofit to reduce the self-weight of the deflector and sediment deposition on it. The current study investigated experimentally the performance of VSBs the deflector of which was perforated at different locations with various opening ratios. The results showed that perforating the outside overflow area of the deflector was the optimum for reducing sediment deposition. With an opening ratio of 8.67–13% in the outside overflow area of the deflector, the VSB exhibited similar sediment removal efficiency to the original design without any openings on the deflector. The current study provided the design optimization for deflector perforation in VSBs.

디플렉터와 함께 설치된 와류 침전 분지(VSB)의 경우 천공은 디플렉터의 자체 중량과 침전물 증착을 줄이기 위한 효과적인 개조입니다. 현재 연구는 다양한 개방 비율로 다른 위치에서 디플렉터가 천공된 VSB의 성능을 실험적으로 조사했습니다. 결과는 디플렉터의 외부 오버플로 영역을 천공하는 것이 침전물 퇴적을 줄이는 데 최적임을 보여주었습니다. 디플렉터의 외부 오버플로 영역에서 8.67-13%의 개구부로 VSB는 디플렉터에 개구부가 없는 원래 설계와 유사한 침전물 제거 효율을 나타냈습니다. 현재 연구는 VSB의 디플렉터 천공에 대한 설계 최적화를 제공했습니다.

Figure 2 Modeling the plant with cylindrical tubes at the bottom of the canal.

Optimized Vegetation Density to Dissipate Energy of Flood Flow in Open Canals

열린 운하에서 홍수 흐름의 에너지를 분산시키기 위해 최적화된 식생 밀도

Mahdi Feizbahr,1Navid Tonekaboni,2Guang-Jun Jiang,3,4and Hong-Xia Chen3,4
Academic Editor: Mohammad Yazdi


강을 따라 식생은 조도를 증가시키고 평균 유속을 감소시키며, 유동 에너지를 감소시키고 강 횡단면의 유속 프로파일을 변경합니다. 자연의 많은 운하와 강은 홍수 동안 초목으로 덮여 있습니다. 운하의 조도는 식물의 영향을 많이 받기 때문에 홍수시 유동저항에 큰 영향을 미친다. 식물로 인한 흐름에 대한 거칠기 저항은 흐름 조건과 식물에 따라 달라지므로 모델은 유속, 유속 깊이 및 수로를 따라 식생 유형의 영향을 고려하여 유속을 시뮬레이션해야 합니다. 총 48개의 모델을 시뮬레이션하여 근관의 거칠기 효과를 조사했습니다. 결과는 속도를 높임으로써 베드 속도를 감소시키는 식생의 영향이 무시할만하다는 것을 나타냅니다.


Vegetation along the river increases the roughness and reduces the average flow velocity, reduces flow energy, and changes the flow velocity profile in the cross section of the river. Many canals and rivers in nature are covered with vegetation during the floods. Canal’s roughness is strongly affected by plants and therefore it has a great effect on flow resistance during flood. Roughness resistance against the flow due to the plants depends on the flow conditions and plant, so the model should simulate the current velocity by considering the effects of velocity, depth of flow, and type of vegetation along the canal. Total of 48 models have been simulated to investigate the effect of roughness in the canal. The results indicated that, by enhancing the velocity, the effect of vegetation in decreasing the bed velocity is negligible, while when the current has lower speed, the effect of vegetation on decreasing the bed velocity is obviously considerable.

1. Introduction

Considering the impact of each variable is a very popular field within the analytical and statistical methods and intelligent systems [114]. This can help research for better modeling considering the relation of variables or interaction of them toward reaching a better condition for the objective function in control and engineering [1527]. Consequently, it is necessary to study the effects of the passive factors on the active domain [2836]. Because of the effect of vegetation on reducing the discharge capacity of rivers [37], pruning plants was necessary to improve the condition of rivers. One of the important effects of vegetation in river protection is the action of roots, which cause soil consolidation and soil structure improvement and, by enhancing the shear strength of soil, increase the resistance of canal walls against the erosive force of water. The outer limbs of the plant increase the roughness of the canal walls and reduce the flow velocity and deplete the flow energy in vicinity of the walls. Vegetation by reducing the shear stress of the canal bed reduces flood discharge and sedimentation in the intervals between vegetation and increases the stability of the walls [3841].

One of the main factors influencing the speed, depth, and extent of flood in this method is Manning’s roughness coefficient. On the other hand, soil cover [42], especially vegetation, is one of the most determining factors in Manning’s roughness coefficient. Therefore, it is expected that those seasonal changes in the vegetation of the region will play an important role in the calculated value of Manning’s roughness coefficient and ultimately in predicting the flood wave behavior [4345]. The roughness caused by plants’ resistance to flood current depends on the flow and plant conditions. Flow conditions include depth and velocity of the plant, and plant conditions include plant type, hardness or flexibility, dimensions, density, and shape of the plant [46]. In general, the issue discussed in this research is the optimization of flood-induced flow in canals by considering the effect of vegetation-induced roughness. Therefore, the effect of plants on the roughness coefficient and canal transmission coefficient and in consequence the flow depth should be evaluated [4748].

Current resistance is generally known by its roughness coefficient. The equation that is mainly used in this field is Manning equation. The ratio of shear velocity to average current velocity  is another form of current resistance. The reason for using the  ratio is that it is dimensionless and has a strong theoretical basis. The reason for using Manning roughness coefficient is its pervasiveness. According to Freeman et al. [49], the Manning roughness coefficient for plants was calculated according to the Kouwen and Unny [50] method for incremental resistance. This method involves increasing the roughness for various surface and plant irregularities. Manning’s roughness coefficient has all the factors affecting the resistance of the canal. Therefore, the appropriate way to more accurately estimate this coefficient is to know the factors affecting this coefficient [51].

To calculate the flow rate, velocity, and depth of flow in canals as well as flood and sediment estimation, it is important to evaluate the flow resistance. To determine the flow resistance in open ducts, Manning, Chézy, and Darcy–Weisbach relations are used [52]. In these relations, there are parameters such as Manning’s roughness coefficient (n), Chézy roughness coefficient (C), and Darcy–Weisbach coefficient (f). All three of these coefficients are a kind of flow resistance coefficient that is widely used in the equations governing flow in rivers [53].

The three relations that express the relationship between the average flow velocity (V) and the resistance and geometric and hydraulic coefficients of the canal are as follows:where nf, and c are Manning, Darcy–Weisbach, and Chézy coefficients, respectively. V = average flow velocity, R = hydraulic radius, Sf = slope of energy line, which in uniform flow is equal to the slope of the canal bed,  = gravitational acceleration, and Kn is a coefficient whose value is equal to 1 in the SI system and 1.486 in the English system. The coefficients of resistance in equations (1) to (3) are related as follows:

Based on the boundary layer theory, the flow resistance for rough substrates is determined from the following general relation:where f = Darcy–Weisbach coefficient of friction, y = flow depth, Ks = bed roughness size, and A = constant coefficient.

On the other hand, the relationship between the Darcy–Weisbach coefficient of friction and the shear velocity of the flow is as follows:

By using equation (6), equation (5) is converted as follows:

Investigation on the effect of vegetation arrangement on shear velocity of flow in laboratory conditions showed that, with increasing the shear Reynolds number (), the numerical value of the  ratio also increases; in other words the amount of roughness coefficient increases with a slight difference in the cases without vegetation, checkered arrangement, and cross arrangement, respectively [54].

Roughness in river vegetation is simulated in mathematical models with a variable floor slope flume by different densities and discharges. The vegetation considered submerged in the bed of the flume. Results showed that, with increasing vegetation density, canal roughness and flow shear speed increase and with increasing flow rate and depth, Manning’s roughness coefficient decreases. Factors affecting the roughness caused by vegetation include the effect of plant density and arrangement on flow resistance, the effect of flow velocity on flow resistance, and the effect of depth [4555].

One of the works that has been done on the effect of vegetation on the roughness coefficient is Darby [56] study, which investigates a flood wave model that considers all the effects of vegetation on the roughness coefficient. There are currently two methods for estimating vegetation roughness. One method is to add the thrust force effect to Manning’s equation [475758] and the other method is to increase the canal bed roughness (Manning-Strickler coefficient) [455961]. These two methods provide acceptable results in models designed to simulate floodplain flow. Wang et al. [62] simulate the floodplain with submerged vegetation using these two methods and to increase the accuracy of the results, they suggested using the effective height of the plant under running water instead of using the actual height of the plant. Freeman et al. [49] provided equations for determining the coefficient of vegetation roughness under different conditions. Lee et al. [63] proposed a method for calculating the Manning coefficient using the flow velocity ratio at different depths. Much research has been done on the Manning roughness coefficient in rivers, and researchers [496366] sought to obtain a specific number for n to use in river engineering. However, since the depth and geometric conditions of rivers are completely variable in different places, the values of Manning roughness coefficient have changed subsequently, and it has not been possible to choose a fixed number. In river engineering software, the Manning roughness coefficient is determined only for specific and constant conditions or normal flow. Lee et al. [63] stated that seasonal conditions, density, and type of vegetation should also be considered. Hydraulic roughness and Manning roughness coefficient n of the plant were obtained by estimating the total Manning roughness coefficient from the matching of the measured water surface curve and water surface height. The following equation is used for the flow surface curve:where  is the depth of water change, S0 is the slope of the canal floor, Sf is the slope of the energy line, and Fr is the Froude number which is obtained from the following equation:where D is the characteristic length of the canal. Flood flow velocity is one of the important parameters of flood waves, which is very important in calculating the water level profile and energy consumption. In the cases where there are many limitations for researchers due to the wide range of experimental dimensions and the variety of design parameters, the use of numerical methods that are able to estimate the rest of the unknown results with acceptable accuracy is economically justified.

FLOW-3D software uses Finite Difference Method (FDM) for numerical solution of two-dimensional and three-dimensional flow. This software is dedicated to computational fluid dynamics (CFD) and is provided by Flow Science [67]. The flow is divided into networks with tubular cells. For each cell there are values of dependent variables and all variables are calculated in the center of the cell, except for the velocity, which is calculated at the center of the cell. In this software, two numerical techniques have been used for geometric simulation, FAVOR™ (Fractional-Area-Volume-Obstacle-Representation) and the VOF (Volume-of-Fluid) method. The equations used at this model for this research include the principle of mass survival and the magnitude of motion as follows. The fluid motion equations in three dimensions, including the Navier–Stokes equations with some additional terms, are as follows:where  are mass accelerations in the directions xyz and  are viscosity accelerations in the directions xyz and are obtained from the following equations:

Shear stresses  in equation (11) are obtained from the following equations:

The standard model is used for high Reynolds currents, but in this model, RNG theory allows the analytical differential formula to be used for the effective viscosity that occurs at low Reynolds numbers. Therefore, the RNG model can be used for low and high Reynolds currents.

Weather changes are high and this affects many factors continuously. The presence of vegetation in any area reduces the velocity of surface flows and prevents soil erosion, so vegetation will have a significant impact on reducing destructive floods. One of the methods of erosion protection in floodplain watersheds is the use of biological methods. The presence of vegetation in watersheds reduces the flow rate during floods and prevents soil erosion. The external organs of plants increase the roughness and decrease the velocity of water flow and thus reduce its shear stress energy. One of the important factors with which the hydraulic resistance of plants is expressed is the roughness coefficient. Measuring the roughness coefficient of plants and investigating their effect on reducing velocity and shear stress of flow is of special importance.

Roughness coefficients in canals are affected by two main factors, namely, flow conditions and vegetation characteristics [68]. So far, much research has been done on the effect of the roughness factor created by vegetation, but the issue of plant density has received less attention. For this purpose, this study was conducted to investigate the effect of vegetation density on flow velocity changes.

In a study conducted using a software model on three density modes in the submerged state effect on flow velocity changes in 48 different modes was investigated (Table 1).

Table 1 

The studied models.

The number of cells used in this simulation is equal to 1955888 cells. The boundary conditions were introduced to the model as a constant speed and depth (Figure 1). At the output boundary, due to the presence of supercritical current, no parameter for the current is considered. Absolute roughness for floors and walls was introduced to the model (Figure 1). In this case, the flow was assumed to be nonviscous and air entry into the flow was not considered. After  seconds, this model reached a convergence accuracy of .

Figure 1 

The simulated model and its boundary conditions.

Due to the fact that it is not possible to model the vegetation in FLOW-3D software, in this research, the vegetation of small soft plants was studied so that Manning’s coefficients can be entered into the canal bed in the form of roughness coefficients obtained from the studies of Chow [69] in similar conditions. In practice, in such modeling, the effect of plant height is eliminated due to the small height of herbaceous plants, and modeling can provide relatively acceptable results in these conditions.

48 models with input velocities proportional to the height of the regular semihexagonal canal were considered to create supercritical conditions. Manning coefficients were applied based on Chow [69] studies in order to control the canal bed. Speed profiles were drawn and discussed.

Any control and simulation system has some inputs that we should determine to test any technology [7077]. Determination and true implementation of such parameters is one of the key steps of any simulation [237881] and computing procedure [8286]. The input current is created by applying the flow rate through the VFR (Volume Flow Rate) option and the output flow is considered Output and for other borders the Symmetry option is considered.

Simulation of the models and checking their action and responses and observing how a process behaves is one of the accepted methods in engineering and science [8788]. For verification of FLOW-3D software, the results of computer simulations are compared with laboratory measurements and according to the values of computational error, convergence error, and the time required for convergence, the most appropriate option for real-time simulation is selected (Figures 2 and 3 ).

Figure 2 

Modeling the plant with cylindrical tubes at the bottom of the canal.

Figure 3 

Velocity profiles in positions 2 and 5.

The canal is 7 meters long, 0.5 meters wide, and 0.8 meters deep. This test was used to validate the application of the software to predict the flow rate parameters. In this experiment, instead of using the plant, cylindrical pipes were used in the bottom of the canal.

The conditions of this modeling are similar to the laboratory conditions and the boundary conditions used in the laboratory were used for numerical modeling. The critical flow enters the simulation model from the upstream boundary, so in the upstream boundary conditions, critical velocity and depth are considered. The flow at the downstream boundary is supercritical, so no parameters are applied to the downstream boundary.

The software well predicts the process of changing the speed profile in the open canal along with the considered obstacles. The error in the calculated speed values can be due to the complexity of the flow and the interaction of the turbulence caused by the roughness of the floor with the turbulence caused by the three-dimensional cycles in the hydraulic jump. As a result, the software is able to predict the speed distribution in open canals.

2. Modeling Results

After analyzing the models, the results were shown in graphs (Figures 414 ). The total number of experiments in this study was 48 due to the limitations of modeling.










  • (a)
  • (b)
  • (c)
  • (d)

Figure 4 

Flow velocity profiles for canals with a depth of 1 m and flow velocities of 3–3.3 m/s. Canal with a depth of 1 meter and a flow velocity of (a) 3 meters per second, (b) 3.1 meters per second, (c) 3.2 meters per second, and (d) 3.3 meters per second.

Figure 5 

Canal diagram with a depth of 1 meter and a flow rate of 3 meters per second.

Figure 6 

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

Figure 7 

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

Figure 8 

Canal diagram with a depth of 1 meter and a flow rate of 3.3 meters per second.










  • (a)
  • (b)
  • (c)
  • (d)

Figure 9 

Flow velocity profiles for canals with a depth of 2 m and flow velocities of 4–4.3 m/s. Canal with a depth of 2 meters and a flow rate of (a) 4 meters per second, (b) 4.1 meters per second, (c) 4.2 meters per second, and (d) 4.3 meters per second.

Figure 10 

Canal diagram with a depth of 2 meters and a flow rate of 4 meters per second.

Figure 11 

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

Figure 12 

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

Figure 13 

Canal diagram with a depth of 2 meters and a flow rate of 4.3 meters per second.










  • (a)
  • (b)
  • (c)
  • (d)

Figure 14 

Flow velocity profiles for canals with a depth of 3 m and flow velocities of 5–5.3 m/s. Canal with a depth of 2 meters and a flow rate of (a) 4 meters per second, (b) 4.1 meters per second, (c) 4.2 meters per second, and (d) 4.3 meters per second.

To investigate the effects of roughness with flow velocity, the trend of flow velocity changes at different depths and with supercritical flow to a Froude number proportional to the depth of the section has been obtained.

According to the velocity profiles of Figure 5, it can be seen that, with the increasing of Manning’s coefficient, the canal bed speed decreases.

According to Figures 5 to 8, it can be found that, with increasing the Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the models 1 to 12, which can be justified by increasing the speed and of course increasing the Froude number.

According to Figure 10, we see that, with increasing Manning’s coefficient, the canal bed speed decreases.

According to Figure 11, we see that, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of Figures 510, which can be justified by increasing the speed and, of course, increasing the Froude number.

With increasing Manning’s coefficient, the canal bed speed decreases (Figure 12). But this deceleration is more noticeable than the deceleration of the higher models (Figures 58 and 1011), which can be justified by increasing the speed and, of course, increasing the Froude number.

According to Figure 13, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of Figures 5 to 12, which can be justified by increasing the speed and, of course, increasing the Froude number.

According to Figure 15, with increasing Manning’s coefficient, the canal bed speed decreases.

Figure 15 

Canal diagram with a depth of 3 meters and a flow rate of 5 meters per second.

According to Figure 16, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the higher model, which can be justified by increasing the speed and, of course, increasing the Froude number.

Figure 16 

Canal diagram with a depth of 3 meters and a flow rate of 5.1 meters per second.

According to Figure 17, it is clear that, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the higher models, which can be justified by increasing the speed and, of course, increasing the Froude number.

Figure 17 

Canal diagram with a depth of 3 meters and a flow rate of 5.2 meters per second.

According to Figure 18, with increasing Manning’s coefficient, the canal bed speed decreases. But this deceleration is more noticeable than the deceleration of the higher models, which can be justified by increasing the speed and, of course, increasing the Froude number.

Figure 18 

Canal diagram with a depth of 3 meters and a flow rate of 5.3 meters per second.

According to Figure 19, it can be seen that the vegetation placed in front of the flow input velocity has negligible effect on the reduction of velocity, which of course can be justified due to the flexibility of the vegetation. The only unusual thing is the unexpected decrease in floor speed of 3 m/s compared to higher speeds.








  • (a)
  • (b)
  • (c)

Figure 19 

Comparison of velocity profiles with the same plant densities (depth 1 m). Comparison of velocity profiles with (a) plant densities of 25%, depth 1 m; (b) plant densities of 50%, depth 1 m; and (c) plant densities of 75%, depth 1 m.

According to Figure 20, by increasing the speed of vegetation, the effect of vegetation on reducing the flow rate becomes more noticeable. And the role of input current does not have much effect in reducing speed.








  • (a)
  • (b)
  • (c)

Figure 20 

Comparison of velocity profiles with the same plant densities (depth 2 m). Comparison of velocity profiles with (a) plant densities of 25%, depth 2 m; (b) plant densities of 50%, depth 2 m; and (c) plant densities of 75%, depth 2 m.

According to Figure 21, it can be seen that, with increasing speed, the effect of vegetation on reducing the bed flow rate becomes more noticeable and the role of the input current does not have much effect. In general, it can be seen that, by increasing the speed of the input current, the slope of the profiles increases from the bed to the water surface and due to the fact that, in software, the roughness coefficient applies to the channel floor only in the boundary conditions, this can be perfectly justified. Of course, it can be noted that, due to the flexible conditions of the vegetation of the bed, this modeling can show acceptable results for such grasses in the canal floor. In the next directions, we may try application of swarm-based optimization methods for modeling and finding the most effective factors in this research [27815188994]. In future, we can also apply the simulation logic and software of this research for other domains such as power engineering [9599].








  • (a)
  • (b)
  • (c)

Figure 21 

Comparison of velocity profiles with the same plant densities (depth 3 m). Comparison of velocity profiles with (a) plant densities of 25%, depth 3 m; (b) plant densities of 50%, depth 3 m; and (c) plant densities of 75%, depth 3 m.

3. Conclusion

The effects of vegetation on the flood canal were investigated by numerical modeling with FLOW-3D software. After analyzing the results, the following conclusions were reached:(i)Increasing the density of vegetation reduces the velocity of the canal floor but has no effect on the velocity of the canal surface.(ii)Increasing the Froude number is directly related to increasing the speed of the canal floor.(iii)In the canal with a depth of one meter, a sudden increase in speed can be observed from the lowest speed and higher speed, which is justified by the sudden increase in Froude number.(iv)As the inlet flow rate increases, the slope of the profiles from the bed to the water surface increases.(v)By reducing the Froude number, the effect of vegetation on reducing the flow bed rate becomes more noticeable. And the input velocity in reducing the velocity of the canal floor does not have much effect.(vi)At a flow rate between 3 and 3.3 meters per second due to the shallow depth of the canal and the higher landing number a more critical area is observed in which the flow bed velocity in this area is between 2.86 and 3.1 m/s.(vii)Due to the critical flow velocity and the slight effect of the roughness of the horseshoe vortex floor, it is not visible and is only partially observed in models 1-2-3 and 21.(viii)As the flow rate increases, the effect of vegetation on the rate of bed reduction decreases.(ix)In conditions where less current intensity is passing, vegetation has a greater effect on reducing current intensity and energy consumption increases.(x)In the case of using the flow rate of 0.8 cubic meters per second, the velocity distribution and flow regime show about 20% more energy consumption than in the case of using the flow rate of 1.3 cubic meters per second.


n:Manning’s roughness coefficient
C:Chézy roughness coefficient
f:Darcy–Weisbach coefficient
V:Flow velocity
R:Hydraulic radius
g:Gravitational acceleration
y:Flow depth
Ks:Bed roughness
A:Constant coefficient
:Reynolds number
y/∂x:Depth of water change
S0:Slope of the canal floor
Sf:Slope of energy line
Fr:Froude number
D:Characteristic length of the canal
G:Mass acceleration
:Shear stresses.

Data Availability

All data are included within the paper.

Conflicts of Interest

The authors declare that they have no conflicts of interest.


This work was partially supported by the National Natural Science Foundation of China under Contract no. 71761030 and Natural Science Foundation of Inner Mongolia under Contract no. 2019LH07003.


  1. H. Yu, L. Jie, W. Gui et al., “Dynamic Gaussian bare-bones fruit fly optimizers with abandonment mechanism: method and analysis,” Engineering with Computers, vol. 20, pp. 1–29, 2020.View at: Publisher Site | Google Scholar
  2. X. Zhao, D. Li, B. Yang, C. Ma, Y. Zhu, and H. Chen, “Feature selection based on improved ant colony optimization for online detection of foreign fiber in cotton,” Applied Soft Computing, vol. 24, pp. 585–596, 2014.View at: Publisher Site | Google Scholar
  3. J. Hu, H. Chen, A. A. Heidari et al., “Orthogonal learning covariance matrix for defects of grey wolf optimizer: insights, balance, diversity, and feature selection,” Knowledge-Based Systems, vol. 213, Article ID 106684, 2021.View at: Publisher Site | Google Scholar
  4. C. Yu, M. Chen, K. Chen et al., “SGOA: annealing-behaved grasshopper optimizer for global tasks,” Engineering with Computers, vol. 4, pp. 1–28, 2021.View at: Publisher Site | Google Scholar
  5. W. Shan, Z. Qiao, A. A. Heidari, H. Chen, H. Turabieh, and Y. Teng, “Double adaptive weights for stabilization of moth flame optimizer: balance analysis, engineering cases, and medical diagnosis,” Knowledge-Based Systems, vol. 8, Article ID 106728, 2020.View at: Google Scholar
  6. J. Tu, H. Chen, J. Liu et al., “Evolutionary biogeography-based whale optimization methods with communication structure: towards measuring the balance,” Knowledge-Based Systems, vol. 212, Article ID 106642, 2021.View at: Publisher Site | Google Scholar
  7. Y. Zhang, R. Liu, X. Wang et al., “Towards augmented kernel extreme learning models for bankruptcy prediction: algorithmic behavior and comprehensive analysis,” Neurocomputing, vol. 430, 2020.View at: Google Scholar
  8. H.-L. Chen, G. Wang, C. Ma, Z.-N. Cai, W.-B. Liu, and S.-J. Wang, “An efficient hybrid kernel extreme learning machine approach for early diagnosis of Parkinson׳s disease,” Neurocomputing, vol. 184, pp. 131–144, 2016.View at: Publisher Site | Google Scholar
  9. J. Xia, H. Chen, Q. Li et al., “Ultrasound-based differentiation of malignant and benign thyroid Nodules: an extreme learning machine approach,” Computer Methods and Programs in Biomedicine, vol. 147, pp. 37–49, 2017.View at: Publisher Site | Google Scholar
  10. C. Li, L. Hou, B. Y. Sharma et al., “Developing a new intelligent system for the diagnosis of tuberculous pleural effusion,” Computer Methods and Programs in Biomedicine, vol. 153, pp. 211–225, 2018.View at: Publisher Site | Google Scholar
  11. X. Xu and H.-L. Chen, “Adaptive computational chemotaxis based on field in bacterial foraging optimization,” Soft Computing, vol. 18, no. 4, pp. 797–807, 2014.View at: Publisher Site | Google Scholar
  12. M. Wang, H. Chen, B. Yang et al., “Toward an optimal kernel extreme learning machine using a chaotic moth-flame optimization strategy with applications in medical diagnoses,” Neurocomputing, vol. 267, pp. 69–84, 2017.View at: Publisher Site | Google Scholar
  13. L. Chao, K. Zhang, Z. Li, Y. Zhu, J. Wang, and Z. Yu, “Geographically weighted regression based methods for merging satellite and gauge precipitation,” Journal of Hydrology, vol. 558, pp. 275–289, 2018.View at: Publisher Site | Google Scholar
  14. F. J. Golrokh, G. Azeem, and A. Hasan, “Eco-efficiency evaluation in cement industries: DEA malmquist productivity index using optimization models,” ENG Transactions, vol. 1, 2020.View at: Google Scholar
  15. D. Zhao, L. Lei, F. Yu et al., “Chaotic random spare ant colony optimization for multi-threshold image segmentation of 2D Kapur entropy,” Knowledge-Based Systems, vol. 8, Article ID 106510, 2020.View at: Google Scholar
  16. Y. Zhang, R. Liu, X. Wang, H. Chen, and C. Li, “Boosted binary Harris hawks optimizer and feature selection,” Engineering with Computers, vol. 517, pp. 1–30, 2020.View at: Publisher Site | Google Scholar
  17. L. Hu, G. Hong, J. Ma, X. Wang, and H. Chen, “An efficient machine learning approach for diagnosis of paraquat-poisoned patients,” Computers in Biology and Medicine, vol. 59, pp. 116–124, 2015.View at: Publisher Site | Google Scholar
  18. L. Shen, H. Chen, Z. Yu et al., “Evolving support vector machines using fruit fly optimization for medical data classification,” Knowledge-Based Systems, vol. 96, pp. 61–75, 2016.View at: Publisher Site | Google Scholar
  19. X. Zhao, X. Zhang, Z. Cai et al., “Chaos enhanced grey wolf optimization wrapped ELM for diagnosis of paraquat-poisoned patients,” Computational Biology and Chemistry, vol. 78, pp. 481–490, 2019.View at: Publisher Site | Google Scholar
  20. Y. Xu, H. Chen, J. Luo, Q. Zhang, S. Jiao, and X. Zhang, “Enhanced Moth-flame optimizer with mutation strategy for global optimization,” Information Sciences, vol. 492, pp. 181–203, 2019.View at: Publisher Site | Google Scholar
  21. M. Wang and H. Chen, “Chaotic multi-swarm whale optimizer boosted support vector machine for medical diagnosis,” Applied Soft Computing Journal, vol. 88, Article ID 105946, 2020.View at: Publisher Site | Google Scholar
  22. Y. Chen, J. Li, H. Lu, and P. Yan, “Coupling system dynamics analysis and risk aversion programming for optimizing the mixed noise-driven shale gas-water supply chains,” Journal of Cleaner Production, vol. 278, Article ID 123209, 2020.View at: Google Scholar
  23. H. Tang, Y. Xu, A. Lin et al., “Predicting green consumption behaviors of students using efficient firefly grey wolf-assisted K-nearest neighbor classifiers,” IEEE Access, vol. 8, pp. 35546–35562, 2020.View at: Publisher Site | Google Scholar
  24. H.-J. Ma and G.-H. Yang, “Adaptive fault tolerant control of cooperative heterogeneous systems with actuator faults and unreliable interconnections,” IEEE Transactions on Automatic Control, vol. 61, no. 11, pp. 3240–3255, 2015.View at: Google Scholar
  25. H.-J. Ma and L.-X. Xu, “Decentralized adaptive fault-tolerant control for a class of strong interconnected nonlinear systems via graph theory,” IEEE Transactions on Automatic Control, vol. 66, 2020.View at: Google Scholar
  26. H. J. Ma, L. X. Xu, and G. H. Yang, “Multiple environment integral reinforcement learning-based fault-tolerant control for affine nonlinear systems,” IEEE Transactions on Cybernetics, vol. 51, pp. 1–16, 2019.View at: Publisher Site | Google Scholar
  27. J. Hu, M. Wang, C. Zhao, Q. Pan, and C. Du, “Formation control and collision avoidance for multi-UAV systems based on Voronoi partition,” Science China Technological Sciences, vol. 63, no. 1, pp. 65–72, 2020.View at: Publisher Site | Google Scholar
  28. C. Zhang, H. Li, Y. Qian, C. Chen, and X. Zhou, “Locality-constrained discriminative matrix regression for robust face identification,” IEEE Transactions on Neural Networks and Learning Systems, vol. 99, pp. 1–15, 2020.View at: Publisher Site | Google Scholar
  29. X. Zhang, D. Wang, Z. Zhou, and Y. Ma, “Robust low-rank tensor recovery with rectification and alignment,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 43, no. 1, pp. 238–255, 2019.View at: Google Scholar
  30. X. Zhang, J. Wang, T. Wang, R. Jiang, J. Xu, and L. Zhao, “Robust feature learning for adversarial defense via hierarchical feature alignment,” Information Sciences, vol. 560, 2020.View at: Google Scholar
  31. X. Zhang, R. Jiang, T. Wang, and J. Wang, “Recursive neural network for video deblurring,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 03, p. 1, 2020.View at: Publisher Site | Google Scholar
  32. X. Zhang, T. Wang, J. Wang, G. Tang, and L. Zhao, “Pyramid channel-based feature attention network for image dehazing,” Computer Vision and Image Understanding, vol. 197-198, Article ID 103003, 2020.View at: Publisher Site | Google Scholar
  33. X. Zhang, T. Wang, W. Luo, and P. Huang, “Multi-level fusion and attention-guided CNN for image dehazing,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 3, p. 1, 2020.View at: Publisher Site | Google Scholar
  34. L. He, J. Shen, and Y. Zhang, “Ecological vulnerability assessment for ecological conservation and environmental management,” Journal of Environmental Management, vol. 206, pp. 1115–1125, 2018.View at: Publisher Site | Google Scholar
  35. Y. Chen, W. Zheng, W. Li, and Y. Huang, “Large group Activity security risk assessment and risk early warning based on random forest algorithm,” Pattern Recognition Letters, vol. 144, pp. 1–5, 2021.View at: Publisher Site | Google Scholar
  36. J. Hu, H. Zhang, Z. Li, C. Zhao, Z. Xu, and Q. Pan, “Object traversing by monocular UAV in outdoor environment,” Asian Journal of Control, vol. 25, 2020.View at: Google Scholar
  37. P. Tian, H. Lu, W. Feng, Y. Guan, and Y. Xue, “Large decrease in streamflow and sediment load of Qinghai-Tibetan Plateau driven by future climate change: a case study in Lhasa River Basin,” Catena, vol. 187, Article ID 104340, 2020.View at: Publisher Site | Google Scholar
  38. A. Stokes, C. Atger, A. G. Bengough, T. Fourcaud, and R. C. Sidle, “Desirable plant root traits for protecting natural and engineered slopes against landslides,” Plant and Soil, vol. 324, no. 1, pp. 1–30, 2009.View at: Publisher Site | Google Scholar
  39. T. B. Devi, A. Sharma, and B. Kumar, “Studies on emergent flow over vegetative channel bed with downward seepage,” Hydrological Sciences Journal, vol. 62, no. 3, pp. 408–420, 2017.View at: Google Scholar
  40. G. Ireland, M. Volpi, and G. Petropoulos, “Examining the capability of supervised machine learning classifiers in extracting flooded areas from Landsat TM imagery: a case study from a Mediterranean flood,” Remote Sensing, vol. 7, no. 3, pp. 3372–3399, 2015.View at: Publisher Site | Google Scholar
  41. L. Goodarzi and S. Javadi, “Assessment of aquifer vulnerability using the DRASTIC model; a case study of the Dezful-Andimeshk Aquifer,” Computational Research Progress in Applied Science & Engineering, vol. 2, no. 1, pp. 17–22, 2016.View at: Google Scholar
  42. K. Zhang, Q. Wang, L. Chao et al., “Ground observation-based analysis of soil moisture spatiotemporal variability across a humid to semi-humid transitional zone in China,” Journal of Hydrology, vol. 574, pp. 903–914, 2019.View at: Publisher Site | Google Scholar
  43. L. De Doncker, P. Troch, R. Verhoeven, K. Bal, P. Meire, and J. Quintelier, “Determination of the Manning roughness coefficient influenced by vegetation in the river Aa and Biebrza river,” Environmental Fluid Mechanics, vol. 9, no. 5, pp. 549–567, 2009.View at: Publisher Site | Google Scholar
  44. M. Fathi-Moghadam and K. Drikvandi, “Manning roughness coefficient for rivers and flood plains with non-submerged vegetation,” International Journal of Hydraulic Engineering, vol. 1, no. 1, pp. 1–4, 2012.View at: Google Scholar
  45. F.-C. Wu, H. W. Shen, and Y.-J. Chou, “Variation of roughness coefficients for unsubmerged and submerged vegetation,” Journal of Hydraulic Engineering, vol. 125, no. 9, pp. 934–942, 1999.View at: Publisher Site | Google Scholar
  46. M. K. Wood, “Rangeland vegetation-hydrologic interactions,” in Vegetation Science Applications for Rangeland Analysis and Management, vol. 3, pp. 469–491, Springer, 1988.View at: Publisher Site | Google Scholar
  47. C. Wilson, O. Yagci, H.-P. Rauch, and N. Olsen, “3D numerical modelling of a willow vegetated river/floodplain system,” Journal of Hydrology, vol. 327, no. 1-2, pp. 13–21, 2006.View at: Publisher Site | Google Scholar
  48. R. Yazarloo, M. Khamehchian, and M. R. Nikoodel, “Observational-computational 3d engineering geological model and geotechnical characteristics of young sediments of golestan province,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 03, 2017.View at: Google Scholar
  49. G. E. Freeman, W. H. Rahmeyer, and R. R. Copeland, “Determination of resistance due to shrubs and woody vegetation,” International Journal of River Basin Management, vol. 19, 2000.View at: Google Scholar
  50. N. Kouwen and T. E. Unny, “Flexible roughness in open channels,” Journal of the Hydraulics Division, vol. 99, no. 5, pp. 713–728, 1973.View at: Publisher Site | Google Scholar
  51. S. Hosseini and J. Abrishami, Open Channel Hydraulics, Elsevier, Amsterdam, Netherlands, 2007.
  52. C. S. James, A. L. Birkhead, A. A. Jordanova, and J. J. O’Sullivan, “Flow resistance of emergent vegetation,” Journal of Hydraulic Research, vol. 42, no. 4, pp. 390–398, 2004.View at: Publisher Site | Google Scholar
  53. F. Huthoff and D. Augustijn, “Channel roughness in 1D steady uniform flow: Manning or Chézy?,,” NCR-days, vol. 102, 2004.View at: Google Scholar
  54. M. S. Sabegh, M. Saneie, M. Habibi, A. A. Abbasi, and M. Ghadimkhani, “Experimental investigation on the effect of river bank tree planting array, on shear velocity,” Journal of Watershed Engineering and Management, vol. 2, no. 4, 2011.View at: Google Scholar
  55. A. Errico, V. Pasquino, M. Maxwald, G. B. Chirico, L. Solari, and F. Preti, “The effect of flexible vegetation on flow in drainage channels: estimation of roughness coefficients at the real scale,” Ecological Engineering, vol. 120, pp. 411–421, 2018.View at: Publisher Site | Google Scholar
  56. S. E. Darby, “Effect of riparian vegetation on flow resistance and flood potential,” Journal of Hydraulic Engineering, vol. 125, no. 5, pp. 443–454, 1999.View at: Publisher Site | Google Scholar
  57. V. Kutija and H. Thi Minh Hong, “A numerical model for assessing the additional resistance to flow introduced by flexible vegetation,” Journal of Hydraulic Research, vol. 34, no. 1, pp. 99–114, 1996.View at: Publisher Site | Google Scholar
  58. T. Fischer-Antze, T. Stoesser, P. Bates, and N. R. B. Olsen, “3D numerical modelling of open-channel flow with submerged vegetation,” Journal of Hydraulic Research, vol. 39, no. 3, pp. 303–310, 2001.View at: Publisher Site | Google Scholar
  59. U. Stephan and D. Gutknecht, “Hydraulic resistance of submerged flexible vegetation,” Journal of Hydrology, vol. 269, no. 1-2, pp. 27–43, 2002.View at: Publisher Site | Google Scholar
  60. F. G. Carollo, V. Ferro, and D. Termini, “Flow resistance law in channels with flexible submerged vegetation,” Journal of Hydraulic Engineering, vol. 131, no. 7, pp. 554–564, 2005.View at: Publisher Site | Google Scholar
  61. W. Fu-sheng, “Flow resistance of flexible vegetation in open channel,” Journal of Hydraulic Engineering, vol. S1, 2007.View at: Google Scholar
  62. P.-f. Wang, C. Wang, and D. Z. Zhu, “Hydraulic resistance of submerged vegetation related to effective height,” Journal of Hydrodynamics, vol. 22, no. 2, pp. 265–273, 2010.View at: Publisher Site | Google Scholar
  63. J. K. Lee, L. C. Roig, H. L. Jenter, and H. M. Visser, “Drag coefficients for modeling flow through emergent vegetation in the Florida Everglades,” Ecological Engineering, vol. 22, no. 4-5, pp. 237–248, 2004.View at: Publisher Site | Google Scholar
  64. G. J. Arcement and V. R. Schneider, Guide for Selecting Manning’s Roughness Coefficients for Natural Channels and Flood Plains, US Government Printing Office, Washington, DC, USA, 1989.
  65. Y. Ding and S. S. Y. Wang, “Identification of Manning’s roughness coefficients in channel network using adjoint analysis,” International Journal of Computational Fluid Dynamics, vol. 19, no. 1, pp. 3–13, 2005.View at: Publisher Site | Google Scholar
  66. E. T. Engman, “Roughness coefficients for routing surface runoff,” Journal of Irrigation and Drainage Engineering, vol. 112, no. 1, pp. 39–53, 1986.View at: Publisher Site | Google Scholar
  67. M. Feizbahr, C. Kok Keong, F. Rostami, and M. Shahrokhi, “Wave energy dissipation using perforated and non perforated piles,” International Journal of Engineering, vol. 31, no. 2, pp. 212–219, 2018.View at: Publisher Site | Google Scholar
  68. M. Farzadkhoo, A. Keshavarzi, H. Hamidifar, and M. Javan, “Sudden pollutant discharge in vegetated compound meandering rivers,” Catena, vol. 182, Article ID 104155, 2019.View at: Publisher Site | Google Scholar
  69. V. T. Chow, Open-channel Hydraulics, Mcgraw-Hill Civil Engineering Series, Chennai, TN, India, 1959.
  70. X. Zhang, R. Jing, Z. Li, Z. Li, X. Chen, and C.-Y. Su, “Adaptive pseudo inverse control for a class of nonlinear asymmetric and saturated nonlinear hysteretic systems,” IEEE/CAA Journal of Automatica Sinica, vol. 8, no. 4, pp. 916–928, 2020.View at: Google Scholar
  71. C. Zuo, Q. Chen, L. Tian, L. Waller, and A. Asundi, “Transport of intensity phase retrieval and computational imaging for partially coherent fields: the phase space perspective,” Optics and Lasers in Engineering, vol. 71, pp. 20–32, 2015.View at: Publisher Site | Google Scholar
  72. C. Zuo, J. Sun, J. Li, J. Zhang, A. Asundi, and Q. Chen, “High-resolution transport-of-intensity quantitative phase microscopy with annular illumination,” Scientific Reports, vol. 7, no. 1, pp. 7654–7722, 2017.View at: Publisher Site | Google Scholar
  73. B.-H. Li, Y. Liu, A.-M. Zhang, W.-H. Wang, and S. Wan, “A survey on blocking technology of entity resolution,” Journal of Computer Science and Technology, vol. 35, no. 4, pp. 769–793, 2020.View at: Publisher Site | Google Scholar
  74. Y. Liu, B. Zhang, Y. Feng et al., “Development of 340-GHz transceiver front end based on GaAs monolithic integration technology for THz active imaging array,” Applied Sciences, vol. 10, no. 21, p. 7924, 2020.View at: Publisher Site | Google Scholar
  75. J. Hu, H. Zhang, L. Liu, X. Zhu, C. Zhao, and Q. Pan, “Convergent multiagent formation control with collision avoidance,” IEEE Transactions on Robotics, vol. 36, no. 6, pp. 1805–1818, 2020.View at: Publisher Site | Google Scholar
  76. M. B. Movahhed, J. Ayoubinejad, F. N. Asl, and M. Feizbahr, “The effect of rain on pedestrians crossing speed,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 6, no. 3, 2020.View at: Google Scholar
  77. A. Li, D. Spano, J. Krivochiza et al., “A tutorial on interference exploitation via symbol-level precoding: overview, state-of-the-art and future directions,” IEEE Communications Surveys & Tutorials, vol. 22, no. 2, pp. 796–839, 2020.View at: Publisher Site | Google Scholar
  78. W. Zhu, C. Ma, X. Zhao et al., “Evaluation of sino foreign cooperative education project using orthogonal sine cosine optimized kernel extreme learning machine,” IEEE Access, vol. 8, pp. 61107–61123, 2020.View at: Publisher Site | Google Scholar
  79. G. Liu, W. Jia, M. Wang et al., “Predicting cervical hyperextension injury: a covariance guided sine cosine support vector machine,” IEEE Access, vol. 8, pp. 46895–46908, 2020.View at: Publisher Site | Google Scholar
  80. Y. Wei, H. Lv, M. Chen et al., “Predicting entrepreneurial intention of students: an extreme learning machine with Gaussian barebone harris hawks optimizer,” IEEE Access, vol. 8, pp. 76841–76855, 2020.View at: Publisher Site | Google Scholar
  81. A. Lin, Q. Wu, A. A. Heidari et al., “Predicting intentions of students for master programs using a chaos-induced sine cosine-based fuzzy K-Nearest neighbor classifier,” Ieee Access, vol. 7, pp. 67235–67248, 2019.View at: Publisher Site | Google Scholar
  82. Y. Fan, P. Wang, A. A. Heidari et al., “Rationalized fruit fly optimization with sine cosine algorithm: a comprehensive analysis,” Expert Systems with Applications, vol. 157, Article ID 113486, 2020.View at: Publisher Site | Google Scholar
  83. E. Rodríguez-Esparza, L. A. Zanella-Calzada, D. Oliva et al., “An efficient Harris hawks-inspired image segmentation method,” Expert Systems with Applications, vol. 155, Article ID 113428, 2020.View at: Publisher Site | Google Scholar
  84. S. Jiao, G. Chong, C. Huang et al., “Orthogonally adapted Harris hawks optimization for parameter estimation of photovoltaic models,” Energy, vol. 203, Article ID 117804, 2020.View at: Publisher Site | Google Scholar
  85. Z. Xu, Z. Hu, A. A. Heidari et al., “Orthogonally-designed adapted grasshopper optimization: a comprehensive analysis,” Expert Systems with Applications, vol. 150, Article ID 113282, 2020.View at: Publisher Site | Google Scholar
  86. A. Abbassi, R. Abbassi, A. A. Heidari et al., “Parameters identification of photovoltaic cell models using enhanced exploratory salp chains-based approach,” Energy, vol. 198, Article ID 117333, 2020.View at: Publisher Site | Google Scholar
  87. M. Mahmoodi and K. K. Aminjan, “Numerical simulation of flow through sukhoi 24 air inlet,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 03, 2017.View at: Google Scholar
  88. F. J. Golrokh and A. Hasan, “A comparison of machine learning clustering algorithms based on the DEA optimization approach for pharmaceutical companies in developing countries,” ENG Transactions, vol. 1, 2020.View at: Google Scholar
  89. H. Chen, A. A. Heidari, H. Chen, M. Wang, Z. Pan, and A. H. Gandomi, “Multi-population differential evolution-assisted Harris hawks optimization: framework and case studies,” Future Generation Computer Systems, vol. 111, pp. 175–198, 2020.View at: Publisher Site | Google Scholar
  90. J. Guo, H. Zheng, B. Li, and G.-Z. Fu, “Bayesian hierarchical model-based information fusion for degradation analysis considering non-competing relationship,” IEEE Access, vol. 7, pp. 175222–175227, 2019.View at: Publisher Site | Google Scholar
  91. J. Guo, H. Zheng, B. Li, and G.-Z. Fu, “A Bayesian approach for degradation analysis with individual differences,” IEEE Access, vol. 7, pp. 175033–175040, 2019.View at: Publisher Site | Google Scholar
  92. M. M. A. Malakoutian, Y. Malakoutian, P. Mostafapour, and S. Z. D. Abed, “Prediction for monthly rainfall of six meteorological regions and TRNC (case study: north Cyprus),” ENG Transactions, vol. 2, no. 2, 2021.View at: Google Scholar
  93. H. Arslan, M. Ranjbar, and Z. Mutlum, “Maximum sound transmission loss in multi-chamber reactive silencers: are two chambers enough?,,” ENG Transactions, vol. 2, no. 1, 2021.View at: Google Scholar
  94. N. Tonekaboni, M. Feizbahr, N. Tonekaboni, G.-J. Jiang, and H.-X. Chen, “Optimization of solar CCHP systems with collector enhanced by porous media and nanofluid,” Mathematical Problems in Engineering, vol. 2021, Article ID 9984840, 12 pages, 2021.View at: Publisher Site | Google Scholar
  95. Z. Niu, B. Zhang, J. Wang et al., “The research on 220GHz multicarrier high-speed communication system,” China Communications, vol. 17, no. 3, pp. 131–139, 2020.View at: Publisher Site | Google Scholar
  96. B. Zhang, Z. Niu, J. Wang et al., “Four‐hundred gigahertz broadband multi‐branch waveguide coupler,” IET Microwaves, Antennas & Propagation, vol. 14, no. 11, pp. 1175–1179, 2020.View at: Publisher Site | Google Scholar
  97. Z.-Q. Niu, L. Yang, B. Zhang et al., “A mechanical reliability study of 3dB waveguide hybrid couplers in the submillimeter and terahertz band,” Journal of Zhejiang University Science, vol. 1, no. 1, 1998.View at: Google Scholar
  98. B. Zhang, D. Ji, D. Fang, S. Liang, Y. Fan, and X. Chen, “A novel 220-GHz GaN diode on-chip tripler with high driven power,” IEEE Electron Device Letters, vol. 40, no. 5, pp. 780–783, 2019.View at: Publisher Site | Google Scholar
  99. M. Taleghani and A. Taleghani, “Identification and ranking of factors affecting the implementation of knowledge management engineering based on TOPSIS technique,” ENG Transactions, vol. 1, no. 1, 2020.View at: Google Scholar
그림 2.1 가공 후 부품 보기

1 m/s보다 빠른 속도에서 액체 금속의 움직임 연구


Author: Primitivo Carranza Torme
Supervised by :
Dr. Jesus Mª Blanco Ilzarbe
Energy Engineering Department
Faculty of Engineering – Bilbao, Vizcaya
University of Basque Country UPV / EHU


주조 금속 부품은 모든 산업 분야에서 매우 중요합니다. 그러나 이들을 제조함에 있어서 액상재료에서 최종 형태에 이르기까지 용융온도, 합금, 성형, 주입, 응고 등 여러 변수를 동시에 제어해야 한다.

이러한 모든 측면은 올바르게 수행되어야 합니다. 단 하나의 오류로 인해 주조가 고객의 사양을 충족하지 못하기 때문입니다. 금속 주조는 고대(5,000년 이상)에서 현대 엔지니어링 과학으로 발전한 인간 활동으로, 새로운 개념과 솔루션의 지속적인 흐름으로 모든 복잡성을 포괄합니다.

본 논문에서 주조 기술 연구는 금속 특성, 합금 효과, 작업 및 열처리, 유체 흐름 또는 응고에 대한 별도의 연구보다 훨씬 더 광범위한 분석입니다. 주조 공정에서 강력한 재순환 영역은 공기, 가스, 주형 모래 입자 및 주물의 품질에 심각한 영향을 미치는 기타 결함을 가둘 수 있습니다.

특히 이러한 결함이 상당한 경제적 손실을 초래하는 넓은 표면을 채우는 동안. (HURST, 1996) 우리는 주물용 충진 및 공급 시스템 설계의 이론과 실제 지식을 바탕으로 이 연구를 시작했습니다(Sigworth, 2018).

이러한 기술은 문제 해결, 프로세스 개선 및 최적화와 같은 진단 목적과 새로운 기술 개발 모두에 효과적인 것으로 입증되었습니다. 금속 가공의 특정 문제에 대한 이러한 시뮬레이션 기술의 적용은 액체 금속의 속도가 1m/s보다 큰 경우 따라야 할 단계를 명확하게 정의하는 균일한 처리를 사용하지 않습니다.

이것이 우리 연구의 대상이 되는 조각들입니다. 1980년대 이래로 강력한 경쟁 압력(국가 경제 간의 경쟁 및 강철 대 알루미늄 또는 알루미늄 대 플라스틱 또는 복합 재료와 같은 다른 재료 간의 경쟁)으로 인해 금속 및 재료 분야에서 심오한 기술 변화가 있었습니다.

(Steel statistic year book, 2019) 어쨌든 수익성을 보장하기 위해서는 기존 금속 가공 작업을 지속적으로 업그레이드하고 최적화하는 것이 필수적이며, 아마도 가장 중요한 것은 지속적으로 새로운 제품과 프로세스를 개발하는 것입니다.

제조 및 시뮬레이션. 국가 경제의 경우 이는 현재 기술을 사용하여 대부분의 서방 국가에서 새로운 금속 생산 공장을 건설하는 것이 정당화될 수 없으므로 연구 개발 노력이 기존 작업을 개선할 수 있음을 의미합니다.

그리고 가장 중요한 것은 새로운 제품 및 프로세스 개념을 개발하는 것이 이러한 산업과 사회 전체의 지속적인 복지에 매우 중요하다는 것입니다. 높은 비생산율, 자동화 및 로봇화가 그러한 노력의 핵심 요소가 되어야 합니다.

분명히, 이러한 개발의 구현 시간은 상당히 짧아야 하므로 전통적인 기술이 대안적이고 더 빠르고 비용 효율적인 접근 방식에 자리를 내주어야 합니다. 수학적 모델링과 더 큰 범위의 전산 모델링 접근 방식은 절실히 필요한 기술 변화를 실현하는 데 도움이 되는 큰 잠재력을 가지고 있다고 믿어집니다. (European Steel Sector Copetitiveness of the European Steel Sector, 2008)

기술 변화의 필요성에 대한 추진력은 하드웨어뿐만 아니라 다양한 물리적 시뮬레이션 및 소프트웨어 패키지를 포함하는 컴퓨팅 도구의 보다 비용 효율적인 가용성에 대한 강력한 추진력도 필요합니다.

그림 2.1 가공 후 부품 보기
그림 2.1 가공 후 부품 보기
그림 3.33 속도가 1m/s를 초과하는 구역의 세부 정보
그림 3.33 속도가 1m/s를 초과하는 구역의 세부 정보
Numerical Simulation of Local Scour Around Square Artificial Reef

사각 인공어초 주변 국지세굴 수치모의


인공어초(Artificial Reef, ARs)는 연안 어업 자원을 복원하고 생태 환경을 복원하기 위한 핵심 인공 구조물 중 하나입니다. 그러나 많은 AR이 세굴로 인해 안정성과 기능을 상실한 것으로 밝혀졌다. 

AR의 기능적 효과를 보장하기 위해서는 서로 다른 흐름 조건에서 세굴로 인한 매장과 같은 AR의 불안정성을 연구하는 것이 매우 중요합니다.

FLOW-3D에 의해 확립된 3차원 수치 모델은 정상류에서 AR 주변의 국부 세굴 특성을 연구하는 데 사용됩니다. RNG k-ε 난류 모델로 닫힌 RANS 방정식은 하나의 AR 주변의 안정적인 유동장을 시뮬레이션하기 위해 설정됩니다. 

시뮬레이션 결과는 이전 실험 결과와 비교되었으며 좋은 일치를 보여줍니다. 그 다음에, 세굴 특성, 평형 세굴 깊이 및 최대 세굴 체적에 대한 AR의 개구수 및 입사각의 영향을 조사하였다. 결과는 개구수가 증가함에 따라 세굴 깊이와 세굴 부피가 감소함을 나타냅니다. 

또한 수치적 결과를 바탕으로 AR의 개구수가 평형 세굴깊이와 최대 세굴량에 미치는 영향에 대한 실증식을 제시하였다. 입사각의 변화는 AR의 가장 상류 코너에서 베드 전단 응력의 변화에 ​​영향을 미칠 것입니다. 베드 전단 응력이 클수록 세굴이 더 강해집니다. 

본 연구는 증강현실의 최적화된 공학적 설계 및 구축을 위한 이론적 지원과 실질적인 지침을 제공할 것이다. 결과는 개구수가 증가함에 따라 세굴 깊이와 세굴 부피가 감소함을 나타냅니다. 또한 수치적 결과를 바탕으로 AR의 개구수가 평형 세굴깊이와 최대 세굴량에 미치는 영향에 대한 실증식을 제시하였다. 

입사각의 변화는 AR의 가장 상류 코너에서 베드 전단 응력의 변화에 ​​영향을 미칠 것입니다. 베드 전단 응력이 클수록 세굴이 더 강해집니다. 본 연구는 증강현실의 최적화된 공학적 설계 및 구축을 위한 이론적 지원과 실질적인 지침을 제공할 것이다. 

결과는 개구수가 증가함에 따라 세굴 깊이와 세굴 부피가 감소함을 나타냅니다. 또한 수치적 결과를 바탕으로 AR의 개구수가 평형 세굴깊이와 최대 세굴량에 미치는 영향에 대한 실증식을 제시하였다. 입사각의 변화는 AR의 가장 상류 코너에서 베드 전단 응력의 변화에 ​​영향을 미칠 것입니다. 

베드 전단 응력이 클수록 세굴이 더 강해집니다. 본 연구는 증강현실의 최적화된 공학적 설계 및 구축을 위한 이론적 지원과 실질적인 지침을 제공할 것이다. 입사각의 변화는 AR의 가장 상류 코너에서 베드 전단 응력의 변화에 ​​영향을 미칠 것입니다. 

베드 전단 응력이 클수록 세굴이 더 강해집니다. 본 연구는 증강현실의 최적화된 공학적 설계 및 구축을 위한 이론적 지원과 실질적인 지침을 제공할 것이다. 입사각의 변화는 AR의 가장 상류 코너에서 베드 전단 응력의 변화에 ​​영향을 미칠 것입니다. 베드 전단 응력이 클수록 세굴이 더 강해집니다. 

본 연구는 증강현실의 최적화된 공학적 설계 및 구축을 위한 이론적 지원과 실질적인 지침을 제공할 것이다.

Numerical Simulation of Local Scour Around Square Artificial Reef
Numerical Simulation of Local Scour Around Square Artificial Reef

Artificial reefs (ARs) are one of the key man-made constructs to restore the offshore fishery resources and recover the ecological environment. However, it is found that many ARs lost their stability and function due to scour. In order to ensure the functional effect of ARs, it is of great significance to study the instability of ARs, like burying caused by scour in different flow conditions. The three-dimensional numerical model established by FLOW-3D is used to study the local scour characteristics around the AR in steady currents. The RANS equations, closed with the RNG k-ε turbulence model, are established for simulating a stable flow field around one AR. The simulation results are compared with previous experimental results and shows good agreement. Then, the effect of the opening number and the incident angles of ARs on the scour characteristics, the equilibrium scour depth and maximum scour volume are investigated. The results indicate that the scour depth and scour volume decrease with the increasing opening number. Moreover, the empirical equations of the effect of the opening number of the AR on the equilibrium scour depth and maximum scour volume are proposed based on the numerical results. The change of the incident angles will affect the change of bed shear stress at the most upstream corner of the AR. The greater bed shear stress results in a more intense scour. This study will provide theoretical support, and practical guidance for the optimized engineering design and construction of ARs.

Mingda Yang,Yanli Tang,Fenfang Zhao,Shiji Xu,Guangjie Fang


인공 어초 수치 시뮬레이션 로컬 세굴 세굴 부피 개방 수 공격 각도,컴퓨터 시뮬레이션

Figure 5. Schematic view of flap and support structure [32]

Design Optimization of Ocean Renewable Energy Converter Using a Combined Bi-level Metaheuristic Approach

결합된 Bi-level 메타휴리스틱 접근법을 사용한 해양 재생 에너지 변환기의 설계 최적화

Erfan Amini a1, Mahdieh Nasiri b1, Navid Salami Pargoo a, Zahra Mozhgani c, Danial Golbaz d, Mehrdad Baniesmaeil e, Meysam Majidi Nezhad f, Mehdi Neshat gj, Davide Astiaso Garcia h, Georgios Sylaios i


In recent years, there has been an increasing interest in renewable energies in view of the fact that fossil fuels are the leading cause of catastrophic environmental consequences. Ocean wave energy is a renewable energy source that is particularly prevalent in coastal areas. Since many countries have tremendous potential to extract this type of energy, a number of researchers have sought to determine certain effective factors on wave converters’ performance, with a primary emphasis on ambient factors. In this study, we used metaheuristic optimization methods to investigate the effects of geometric factors on the performance of an Oscillating Surge Wave Energy Converter (OSWEC), in addition to the effects of hydrodynamic parameters. To do so, we used CATIA software to model different geometries which were then inserted into a numerical model developed in Flow3D software. A Ribed-surface design of the converter’s flap is also introduced in this study to maximize wave-converter interaction. Besides, a Bi-level Hill Climbing Multi-Verse Optimization (HCMVO) method was also developed for this application. The results showed that the converter performs better with greater wave heights, flap freeboard heights, and shorter wave periods. Additionally, the added ribs led to more wave-converter interaction and better performance, while the distance between the flap and flume bed negatively impacted the performance. Finally, tracking the changes in the five-dimensional objective function revealed the optimum value for each parameter in all scenarios. This is achieved by the newly developed optimization algorithm, which is much faster than other existing cutting-edge metaheuristic approaches.


Wave Energy Converter


Hydrodynamic Effects

Geometric Design

Metaheuristic Optimization

Multi-Verse Optimizer


The increase in energy demand, the limitations of fossil fuels, as well as environmental crises, such as air pollution and global warming, are the leading causes of calling more attention to harvesting renewable energy recently [1][2][3]. While still in its infancy, ocean wave energy has neither reached commercial maturity nor technological convergence. In recent decades, remarkable progress has been made in the marine energy domain, which is still in the early stage of development, to improve the technology performance level (TPL) [4][5]and technology readiness level (TRL) of wave energy converters (WECs). This has been achieved using novel modeling techniques [6][7][8][9][10][11][12][13][14] to gain the following advantages [15]: (i) As a source of sustainable energy, it contributes to the mix of energy resources that leads to greater diversity and attractiveness for coastal cities and suppliers. [16] (ii) Since wave energy can be exploited offshore and does not require any land, in-land site selection would be less expensive and undesirable visual effects would be reduced. [17] (iii) When the best layout and location of offshore site are taken into account, permanent generation of energy will be feasible (as opposed to using solar energy, for example, which is time-dependent) [18].

In general, the energy conversion process can be divided into three stages in a WEC device, including primary, secondary, and tertiary stages [19][20]. In the first stage of energy conversion, which is the subject of this study, the wave power is converted to mechanical power by wave-structure interaction (WSI) between ocean waves and structures. Moreover, the mechanical power is transferred into electricity in the second stage, in which mechanical structures are coupled with power take-off systems (PTO). At this stage, optimal control strategies are useful to tune the system dynamics to maximize power output [10][13][12]. Furthermore, the tertiary energy conversion stage revolves around transferring the non-standard AC power into direct current (DC) power for energy storage or standard AC power for grid integration [21][22]. We discuss only the first stage regardless of the secondary and tertiary stages. While Page 1 of 16 WECs include several categories and technologies such as terminators, point absorbers, and attenuators [15][23], we focus on oscillating surge wave energy converters (OSWECs) in this paper due to its high capacity for industrialization [24].

Over the past two decades, a number of studies have been conducted to understand how OSWECs’ structures and interactions between ocean waves and flaps affect converters performance. Henry et al.’s experiment on oscillating surge wave energy converters is considered as one of the most influential pieces of research [25], which demonstrated how the performance of oscillating surge wave energy converters (OSWECs) is affected by seven different factors, including wave period, wave power, flap’s relative density, water depth, free-board of the flap, the gap between the tubes, gap underneath the flap, and flap width. These parameters were assessed in their two models in order to estimate the absorbed energy from incoming waves [26][27]. In addition, Folly et al. investigated the impact of water depth on the OSWECs performance analytically, numerically, and experimentally. According to this and further similar studies, the average annual incident wave power is significantly reduced by water depth. Based on the experimental results, both the surge wave force and the power capture of OSWECs increase in shallow water [28][29]. Following this, Sarkar et al. found that under such circumstances, the device that is located near the coast performs much better than those in the open ocean [30]. On the other hand, other studies are showing that the size of the converter, including height and width, is relatively independent of the location (within similar depth) [31]. Subsequently, Schmitt et al. studied OSWECs numerically and experimentally. In fact, for the simulation of OSWEC, OpenFOAM was used to test the applicability of Reynolds-averaged Navier-Stokes (RANS) solvers. Then, the experimental model reproduced the numerical results with satisfying accuracy [32]. In another influential study, Wang et al. numerically assessed the effect of OSWEC’s width on their performance. According to their findings, as converter width increases, its efficiency decreases in short wave periods while increases in long wave periods [33]. One of the main challenges in the analysis of the OSWEC is the coupled effect of hydrodynamic and geometric variables. As a result, numerous cutting-edge geometry studies have been performed in recent years in order to find the optimal structure that maximizes power output and minimizes costs. Garcia et al. reviewed hull geometry optimization studies in the literature in [19]. In addition, Guo and Ringwood surveyed geometric optimization methods to improve the hydrodynamic performance of OSWECs at the primary stage [14]. Besides, they classified the hull geometry of OSWECs based on Figure 1. Subsequently, Whittaker et al. proposed a different design of OSWEC called Oyster2. There have been three examples of different geometries of oysters with different water depths. Based on its water depth, they determined the width and height of the converter. They also found that in the constant wave period the less the converter’s width, the less power captures the converter has [34]. Afterward, O’Boyle et al. investigated a type of OSWEC called Oyster 800. They compared the experimental and numerical models with the prototype model. In order to precisely reproduce the shape, mass distribution, and buoyancy properties of the prototype, a 40th-scale experimental model has been designed. Overall, all the models were fairly accurate according to the results [35].

Inclusive analysis of recent research avenues in the area of flap geometry has revealed that the interaction-based designs of such converters are emerging as a novel approach. An initiative workflow is designed in the current study to maximizing the wave energy extrication by such systems. To begin with, a sensitivity analysis plays its role of determining the best hydrodynamic values for installing the converter’s flap. Then, all flap dimensions and characteristics come into play to finalize the primary model. Following, interactive designs is proposed to increase the influence of incident waves on the body by adding ribs on both sides of the flap as a novel design. Finally, a new bi-level metaheuristic method is proposed to consider the effects of simultaneous changes in ribs properties and other design parameters. We hope this novel approach will be utilized to make big-scale projects less costly and justifiable. The efficiency of the method is also compared with four well known metaheuristic algorithms and out weight them for this application.

This paper is organized as follows. First, the research methodology is introduced by providing details about the numerical model implementation. To that end, we first introduced the primary model’s geometry and software details. That primary model is later verified with a benchmark study with regard to the flap angle of rotation and water surface elevation. Then, governing equations and performance criteria are presented. In the third part of the paper, we discuss the model’s sensitivity to lower and upper parts width (we proposed a two cross-sectional design for the flap), bottom elevation, and freeboard. Finally, the novel optimization approach is introduced in the final part and compared with four recent metaheuristic algorithms.

2. Numerical Methods

In this section, after a brief introduction of the numerical software, Flow3D, boundary conditions are defined. Afterwards, the numerical model implementation, along with primary model properties are described. Finally, governing equations, as part of numerical process, are discussed.

2.1Model Setup

FLOW-3D is a powerful and comprehensive CFD simulation platform for studying fluid dynamics. This software has several modules to solve many complex engineering problems. In addition, modeling complex flows is simple and effective using FLOW-3D’s robust meshing capabilities [36]. Interaction between fluid and moving objects might alter the computational range. Dynamic meshes are used in our modeling to take these changes into account. At each time step, the computational node positions change in order to adapt the meshing area to the moving object. In addition, to choose mesh dimensions, some factors are taken into account such as computational accuracy, computational time, and stability. The final grid size is selected based on the detailed procedure provided in [37]. To that end, we performed grid-independence testing on a CFD model using three different mesh grid sizes of 0.01, 0.015, and 0.02 meters. The problem geometry and boundary conditions were defined the same, and simulations were run on all three grids under the same conditions. The predicted values of the relevant variable, such as velocity, was compared between the grids. The convergence behavior of the numerical solution was analyzed by calculating the relative L2 norm error between two consecutive grids. Based on the results obtained, it was found that the grid size of 0.02 meters showed the least error, indicating that it provided the most accurate and reliable solution among the three grids. Therefore, the grid size of 0.02 meters was selected as the optimal spatial resolution for the mesh grid.

In this work, the flume dimensions are 10 meters long, 0.1 meters wide, and 2.2 meters high, which are shown in figure2. In addition, input waves with linear characteristics have a height of 0.1 meters and a period of 1.4 seconds. Among the linear wave methods included in this software, RNGk-ε and k- ε are appropriate for turbulence model. The research of Lopez et al. shows that RNGk- ε provides the most accurate simulation of turbulence in OSWECs [21]. We use CATIA software to create the flap primary model and other innovative designs for this project. The flap measures 0.1 m x 0.65 m x 0.360 m in x, y and z directions, respectively. In Figure 3, the primary model of flap and its dimensions are shown. In this simulation, five boundaries have been defined, including 1. Inlet, 2. Outlet, 3. Converter flap, 4. Bed flume, and 5. Water surface, which are shown in figure 2. Besides, to avoid wave reflection in inlet and outlet zones, Flow3D is capable of defining some areas as damping zones, the length of which has to be one to one and a half times the wavelength. Therefore, in the model, this length is considered equal to 2 meters. Furthermore, there is no slip in all the boundaries. In other words, at every single time step, the fluid velocity is zero on the bed flume, while it is equal to the flap velocity on the converter flap. According to the wave theory defined in the software, at the inlet boundary, the water velocity is called from the wave speed to be fed into the model.


In the current study, we utilize the Schmitt experimental model as a benchmark for verification, which was developed at the Queen’s University of Belfast. The experiments were conducted on the flap of the converter, its rotation, and its interaction with the water surface. Thus, the details of the experiments are presented below based up on the experimental setup’s description [38]. In the experiment, the laboratory flume has a length of 20m and a width of 4.58m. Besides, in order to avoid incident wave reflection, a wave absorption source is devised at the end of the left flume. The flume bed, also, includes two parts with different slops. The flap position and dimensions of the flume can be seen in Figure4. In addition, a wave-maker with 6 paddles is installed at one end. At the opposite end, there is a beach with wire meshes. Additionally, there are 6 indicators to extract the water level elevation. In the flap model, there are three components: the fixed support structure, the hinge, and the flap. The flap measures 0.1m x 0.65m x 0.341m in x, y and z directions, respectively. In Figure5, the details are given [32]. The support structure consists of a 15 mm thick stainless steel base plate measuring 1m by 1.4m, which is screwed onto the bottom of the tank. The hinge is supported by three bearing blocks. There is a foam centerpiece on the front and back of the flap which is sandwiched between two PVC plates. Enabling changes of the flap, three metal fittings link the flap to the hinge. Moreover, in this experiment, the selected wave is generated based on sea wave data at scale 1:40. The wave height and the wave period are equal to 0.038 (m) and 2.0625 (s), respectively, which are tantamount to a wave with a period of 13 (s) and a height of 1.5 (m).

Two distinct graphs illustrate the numerical and experi-mental study results. Figure6 and Figure7 are denoting the angle of rotation of flap and surface elevation in computational and experimental models, respectively. The two figures roughly represent that the numerical and experimental models are a good match. However, for the purpose of verifying the match, we calculated the correlation coefficient (C) and root mean square error (RMSE). According to Figure6, correlation coefficient and RMSE are 0.998 and 0.003, respectively, and in Figure7 correlation coefficient and RMSE are respectively 0.999 and 0.001. Accordingly, there is a good match between the numerical and empirical models. It is worth mentioning that the small differences between the numerical and experimental outputs may be due to the error of the measuring devices and the calibration of the data collection devices.

Including continuity equation and momentum conserva- tion for incompressible fluid are given as [32][39]:(1)

where P represents the pressure, g denotes gravitational acceleration, u represents fluid velocity, and Di is damping coefficient. Likewise, the model uses the same equation. to calculate the fluid velocity in other directions as well. Considering the turbulence, we use the two-equation model of RNGK- ε. These equations are:

(3)��t(��)+����(����)=����[�eff�������]+��-��and(4)���(��)+����(����)=����[�eff�������]+�1�∗����-��2��2�Where �2� and �1� are constants. In addition, �� and �� represent the turbulent Prandtl number of � and k, respectively.

�� also denote the production of turbulent kinetic energy of k under the effect of velocity gradient, which is calculated as follows:(5)��=�eff[�����+�����]�����(6)�eff=�+��(7)�eff=�+��where � is molecular viscosity,�� represents turbulence viscosity, k denotes kinetic energy, and ∊∊ is energy dissipation rate. The values of constant coefficients in the two-equation RNGK ∊-∊ model is as shown in the Table 1 [40].Table 2.

Table 1. Constant coefficients in RNGK- model


Table 2. Flap properties

Joint height (m)0.476
Height of the center of mass (m)0.53
Weight (Kg)10.77

It is worth mentioning that the volume of fluid method is used to separate water and air phases in this software [41]. Below is the equation of this method [40].(8)����+����(���)=0where α and 1 − α are portion of water phase and air phase, respectively. As a weighting factor, each fluid phase portion is used to determine the mixture properties. Finally, using the following equations, we calculate the efficiency of converters [42][34][43]:(9)�=14|�|2�+�2+(�+�a)2(�n2-�2)2where �� represents natural frequency, I denotes the inertia of OSWEC, Ia is the added inertia, F is the complex wave force, and B denotes the hydrodynamic damping coefficient. Afterward, the capture factor of the converter is calculated by [44]:(10)��=�1/2��2����gw where �� represents the capture factor, which is the total efficiency of device per unit length of the wave crest at each time step [15], �� represent the dimensional amplitude of the incident wave, w is the flap’s width, and Cg is the group velocity of the incident wave, as below:(11)��=��0·121+2�0ℎsinh2�0ℎwhere �0 denotes the wave number, h is water depth, and H is the height of incident waves.

According to previous sections ∊,����-∊ modeling is used for all models simulated in this section. For this purpose, the empty boundary condition is used for flume walls. In order to preventing wave reflection at the inlet and outlet of the flume, the length of wave absorption is set to be at least one incident wavelength. In addition, the structured mesh is chosen, and the mesh dimensions are selected in two distinct directions. In each model, all grids have a length of 2 (cm) and a height of 1 (cm). Afterwards, as an input of the software for all of the models, we define the time step as 0.001 (s). Moreover, the run time of every simulation is 30 (s). As mentioned before, our primary model is Schmitt model, and the flap properties is given in table2. For all simulations, the flume measures 15 meters in length and 0.65 meters in width, and water depth is equal to 0.335 (m). The flap is also located 7 meters from the flume’s inlet.

Finally, in order to compare the results, the capture factor is calculated for each simulation and compared to the primary model. It is worth mentioning that capture factor refers to the ratio of absorbed wave energy to the input wave energy.

According to primary model simulation and due to the decreasing horizontal velocity with depth, the wave crest has the highest velocity. Considering the fact that the wave’s orbital velocity causes the flap to move, the contact between the upper edge of the flap and the incident wave can enhance its performance. Additionally, the numerical model shows that the dynamic pressure decreases as depth increases, and the hydrostatic pressure increases as depth increases.

To determine the OSWEC design, it is imperative to understand the correlation between the capture factor, wave period, and wave height. Therefore, as it is shown in Figure8, we plot the change in capture factor over the variations in wave period and wave height in 3D and 2D. In this diagram, the first axis features changes in wave period, the second axis displays changes in wave height, and the third axis depicts changes in capture factor. According to our wave properties in the numerical model, the wave period and wave height range from 2 to 14 seconds and 2 to 8 meters, respectively. This is due to the fact that the flap does not oscillate if the wave height is less than 2 (m), and it does not reverse if the wave height is more than 8 (m). In addition, with wave periods more than 14 (s), the wavelength would be so long that it would violate the deep-water conditions, and with wave periods less than 2 (s), the flap would not oscillate properly due to the shortness of wavelength. The results of simulation are shown in Figure 8. As it can be perceived from Figure 8, in a constant wave period, the capture factor is in direct proportion to the wave height. It is because of the fact that waves with more height have more energy to rotate the flap. Besides, in a constant wave height, the capture factor increases when the wave period increases, until a given wave period value. However, the capture factor falls after this point. These results are expected since the flap’s angular displacement is not high in lower wave periods, while the oscillating motion of that is not fast enough to activate the power take-off system in very high wave periods.

As is shown in Figure 9, we plot the change in capture factor over the variations in wave period (s) and water depth (m) in 3D. As it can be seen in this diagram, the first axis features changes in water depth (m), the second axis depicts the wave period (s), and the third axis displays OSWEC’s capture factor. The wave period ranges from 0 to 10 seconds based on our wave properties, which have been adopted from Schmitt’s model, while water depth ranges from 0 to 0.5 meters according to the flume and flap dimensions and laboratory limitations. According to Figure9, for any specific water depth, the capture factor increases in a varying rate when the wave period increases, until a given wave period value. However, the capture factor falls steadily after this point. In fact, the maximum capture factor occurs when the wave period is around 6 seconds. This trend is expected since, in a specific water depth, the flap cannot oscillate properly when the wavelength is too short. As the wave period increases, the flap can oscillate more easily, and consequently its capture factor increases. However, the capture factor drops in higher wave periods because the wavelength is too large to move the flap. Furthermore, in a constant wave period, by changing the water depth, the capture factor does not alter. In other words, the capture factor does not depend on the water depth when it is around its maximum value.

3Sensitivity Analysis

Based on previous studies, in addition to the flap design, the location of the flap relative to the water surface (freeboard) and its elevation relative to the flume bed (flap bottom elevation) play a significant role in extracting energy from the wave energy converter. This study measures the sensitivity of the model to various parameters related to the flap design including upper part width of the flap, lower part width of the flap, the freeboard, and the flap bottom elevation. Moreover, as a novel idea, we propose that the flap widths differ in the lower and upper parts. In Figure10, as an example, a flap with an upper thickness of 100 (mm) and a lower thickness of 50 (mm) and a flap with an upper thickness of 50 (mm) and a lower thickness of 100 (mm) are shown. The influence of such discrepancy between the widths of the upper and lower parts on the interaction between the wave and the flap, or in other words on the capture factor, is evaluated. To do so, other parameters are remained constant, such as the freeboard, the distance between the flap and the flume bed, and the wave properties.

In Figure11, models are simulated with distinct upper and lower widths. As it is clear in this figure, the first axis depicts the lower part width of the flap, the second axis indicates the upper part width of the flap, and the colors represent the capture factor values. Additionally, in order to consider a sufficient range of change, the flap thickness varies from half to double the value of the primary model for each part.

According to this study, the greater the discrepancy in these two parts, the lower the capture factor. It is on account of the fact that when the lower part of the flap is thicker than the upper part, and this thickness difference in these two parts is extremely conspicuous, the inertia against the motion is significant at zero degrees of rotation. Consequently, it is difficult to move the flap, which results in a low capture factor. Similarly, when the upper part of the flap is thicker than the lower part, and this thickness difference in these two parts is exceedingly noticeable, the inertia is so great that the flap can not reverse at the maximum degree of rotation. As the results indicate, the discrepancy can enhance the performance of the converter if the difference between these two parts is around 20%. As it is depicted in the Figure11, the capture factor reaches its own maximum amount, when the lower part thickness is from 5 to 6 (cm), and the upper part thickness is between 6 and 7 (cm). Consequently, as a result of this discrepancy, less material will be used, and therefore there will be less cost.

As illustrated in Figure12, this study examines the effects of freeboard (level difference between the flap top and water surface) and the flap bottom elevation (the distance between the flume bed and flap bottom) on the converter performance. In this diagram, the first axis demonstrates the freeboard and the second axis on the left side displays the flap bottom elevation, while the colors indicate the capture factor. In addition, the feasible range of freeboard is between -15 to 15 (cm) due to the limitation of the numerical model, so that we can take the wave slamming and the overtopping into consideration. Additionally, based on the Schmitt model and its scaled model of 1:40 of the base height, the flap bottom should be at least 9 (cm) high. Since the effect of surface waves is distributed over the depth of the flume, it is imperative to maintain a reasonable flap height exposed to incoming waves. Thus, the maximum flap bottom elevation is limited to 19 (cm). As the Figure12 pictures, at constant negative values of the freeboard, the capture factor is in inverse proportion with the flap bottom elevation, although slightly.

Furthermore, at constant positive values of the freeboard, the capture factor fluctuates as the flap bottom elevation decreases while it maintains an overall increasing trend. This is on account of the fact that increasing the flap bottom elevation creates turbulence flow behind the flap, which encumbers its rotation, as well as the fact that the flap surface has less interaction with the incoming waves. Furthermore, while keeping the flap bottom elevation constant, the capture factor increases by raising the freeboard. This is due to the fact that there is overtopping with adverse impacts on the converter performance when the freeboard is negative and the flap is under the water surface. Besides, increasing the freeboard makes the wave slam more vigorously, which improves the converter performance.

Adding ribs to the flap surface, as shown in Figure13, is a novel idea that is investigated in the next section. To achieve an optimized design for the proposed geometry of the flap, we determine the optimal number and dimensions of ribs based on the flap properties as our decision variables in the optimization process. As an example, Figure13 illustrates a flap with 3 ribs on each side with specific dimensions.

Figure14 shows the flow velocity field around the flap jointed to the flume bed. During the oscillation of the flap, the pressure on the upper and lower surfaces of the flap changes dynamically due to the changing angle of attack and the resulting change in the direction of fluid flow. As the flap moves upwards, the pressure on the upper surface decreases, and the pressure on the lower surface increases. Conversely, as the flap moves downwards, the pressure on the upper surface increases, and the pressure on the lower surface decreases. This results in a cyclic pressure variation around the flap. Under certain conditions, the pressure field around the flap can exhibit significant variations in magnitude and direction, forming vortices and other flow structures. These flow structures can affect the performance of the OSWEC by altering the lift and drag forces acting on the flap.

4Design Optimization

We consider optimizing the design parameters of the flap of converter using a nature-based swarm optimization method, that fall in the category of metaheuristic algorithms [45]. Accordingly, we choose four state-of-the-art algorithms to perform an optimization study. Then, based on their performances to achieve the highest capture factor, one of them will be chosen to be combined with the Hill Climb algorithm to carry out a local search. Therefore, in the remainder of this section, we discuss the search process of each algorithm and visualize their performance and convergence curve as they try to find the best values for decision variables.

4.1. Metaheuristic Approaches

As the first considered algorithm, the Gray Wolf Optimizer (GWO) algorithm simulates the natural leadership and hunting performance of gray wolves which tend to live in colonies. Hunters must obey the alpha wolf, the leader, who is responsible for hunting. Then, the beta wolf is at the second level of the gray wolf hierarchy. A subordinate of alpha wolf, beta stands under the command of the alpha. At the next level in this hierarchy, there are the delta wolves. They are subordinate to the alpha and beta wolves. This category of wolves includes scouts, sentinels, elders, hunters, and caretakers. In this ranking, omega wolves are at the bottom, having the lowest level and obeying all other wolves. They are also allowed to eat the prey just after others have eaten. Despite the fact that they seem less important than others, they are really central to the pack survival. Since, it has been shown that without omega wolves, the entire pack would experience some problems like fighting, violence, and frustration. In this simulation, there are three primary steps of hunting including searching, surrounding, and finally attacking the prey. Mathematically model of gray wolves’ hunting technique and their social hierarchy are applied in determined by optimization. this study. As mentioned before, gray wolves can locate their prey and surround them. The alpha wolf also leads the hunt. Assuming that the alpha, beta, and delta have more knowledge about prey locations, we can mathematically simulate gray wolf hunting behavior. Hence, in addition to saving the top three best solutions obtained so far, we compel the rest of the search agents (also the omegas) to adjust their positions based on the best search agent. Encircling behavior can be mathematically modeled by the following equations: [46].(12)�→=|�→·��→(�)-�→(�)|(13)�→(�+1)=��→(�)-�→·�→(14)�→=2.�2→(15)�→=2�→·�1→-�→Where �→indicates the position vector of gray wolf, ��→ defines the vector of prey, t indicates the current iteration, and �→and �→are coefficient vectors. To force the search agent to diverge from the prey, we use �→ with random values greater than 1 or less than -1. In addition, C→ contains random values in the range [0,2], and �→ 1 and �2→ are random vectors in [0,1]. The second considered technique is the Moth Flame Optimizer (MFO) algorithm. This method revolves around the moths’ navigation mechanism, which is realized by positioning themselves and maintaining a fixed angle relative to the moon while flying. This effective mechanism helps moths to fly in a straight path. However, when the source of light is artificial, maintaining an angle with the light leads to a spiral flying path towards the source that causes the moth’s death [47]. In MFO algorithm, moths and flames are both solutions. The moths are actual search agents that fly in hyper-dimensional space by changing their position vectors, and the flames are considered pins that moths drop when searching the search space [48]. The problem’s variables are the position of moths in the space. Each moth searches around a flame and updates it in case of finding a better solution. The fitness value is the return value of each moth’s fitness (objective) function. The position vector of each moth is passed to the fitness function, and the output of the fitness function is assigned to the corresponding moth. With this mechanism, a moth never loses its best solution [49]. Some attributes of this algorithm are as follows:

  • •It takes different values to converge moth in any point around the flame.
  • •Distance to the flame is lowered to be eventually minimized.
  • •When the position gets closer to the flame, the updated positions around the flame become more frequent.

As another method, the Multi-Verse Optimizer is based on a multiverse theory which proposes there are other universes besides the one in which we all live. According to this theory, there are more than one big bang in the universe, and each big bang leads to the birth of a new universe [50]. Multi-Verse Optimizer (MVO) is mainly inspired by three phenomena in cosmology: white holes, black holes, and wormholes. A white hole has never been observed in our universe, but physicists believe the big bang could be considered a white hole [51]. Black holes, which behave completely in contrast to white holes, attract everything including light beams with their extremely high gravitational force [52]. In the multiverse theory, wormholes are time and space tunnels that allow objects to move instantly between any two corners of a universe (or even simultaneously from one universe to another) [53]. Based on these three concepts, mathematical models are designed to perform exploration, exploitation, and local search, respectively. The concept of white and black holes is implied as an exploration phase, while the concept of wormholes is considered as an exploitation phase by MVO. Additionally, each solution is analogous to a universe, and each variable in the solution represents an object in that universe. Furthermore, each solution is assigned an inflation rate, and the time is used instead of iterations. Following are the universe rules in MVO:

  • •The possibility of having white hole increases with the inflation rate.
  • •The possibility of having black hole decreases with the inflation rate.
  • •Objects tend to pass through black holes more frequently in universes with lower inflation rates.
  • •Regardless of inflation rate, wormholes may cause objects in universes to move randomly towards the best universe. [54]

Modeling the white/black hole tunnels and exchanging objects of universes mathematically was accomplished by using the roulette wheel mechanism. With every iteration, the universes are sorted according to their inflation rates, then, based on the roulette wheel, the one with the white hole is selected as the local extremum solution. This is accomplished through the following steps:

Assume that


Where ��� represents the jth parameter of the ith universe, Ui indicates the ith universe, NI(Ui) is normalized inflation rate of the ith universe, r1 is a random number in [0,1], and j xk shows the jth parameter of the kth universe selected by a roulette wheel selection mechanism [54]. It is assumed that wormhole tunnels always exist between a universe and the best universe formed so far. This mechanism is as follows:(17)���=if�2<���:��+���×((���-���)×�4+���)�3<0.5��-���×((���-���)×�4+���)�3≥0.5����:���where Xj indicates the jth parameter of the best universe formed so far, TDR and WEP are coefficients, where Xj indicates the jth parameter of the best universelbjshows the lower bound of the jth variable, ubj is the upper bound of the jth variable, and r2, r3, and r4 are random numbers in [1][54].

Finally, one of the newest optimization algorithms is WOA. The WOA algorithm simulates the movement of prey and the whale’s discipline when looking for their prey. Among several species, Humpback whales have a specific method of hunting [55]. Humpback whales can recognize the location of prey and encircle it before hunting. The optimal design position in the search space is not known a priori, and the WOA algorithm assumes that the best candidate solution is either the target prey or close to the optimum. This foraging behavior is called the bubble-net feeding method. Two maneuvers are associated with bubbles: upward spirals and double loops. A unique behavior exhibited only by humpback whales is bubble-net feeding. In fact, The WOA algorithm starts with a set of random solutions. At each iteration, search agents update their positions for either a randomly chosen search agent or the best solution obtained so far [56][55]. When the best search agent is determined, the other search agents will attempt to update their positions toward that agent. It is important to note that humpback whales swim around their prey simultaneously in a circular, shrinking circle and along a spiral-shaped path. By using a mathematical model, the spiral bubble-net feeding maneuver is optimized. The following equation represents this behavior:(18)�→(�+1)=�′→·�bl·cos(2��)+�∗→(�)


X→(t+ 1) indicates the distance of the it h whale to the prey (best solution obtained so far),� is a constant for defining the shape of the logarithmic spiral, l is a random number in [−1, 1], and dot (.) is an element-by-element multiplication [55].

Comparing the four above-mentioned methods, simulations are run with 10 search agents for 400 iterations. In Figure 15, there are 20 plots the optimal values of different parameters in optimization algorithms. The five parameters of this study are freeboard, bottom elevations, number of ribs on the converter, rib thickness, and rib Height. The optimal value for each was found by optimization algorithms, naming WOA, MVO, MFO, and GWO. By looking through the first row, the freeboard parameter converges to its maximum possible value in the optimization process of GWO after 300 iterations. Similarly, MFO finds the same result as GWO. In contrast, the freeboard converges to its minimum possible value in MVO optimizing process, which indicates positioning the converter under the water. Furthermore, WOA found the optimal value of freeboard as around 0.02 after almost 200 iterations. In the second row, the bottom elevation is found at almost 0.11 (m) in all algorithms; however, the curves follow different trends in each algorithm. The third row shows the number of ribs, where results immediately reveal that it should be over 4. All algorithms coincide at 5 ribs as the optimal number in this process. The fourth row displays the trends of algorithms to find optimal rib thickness. MFO finds the optimal value early and sets it to around 0.022, while others find the same value in higher iterations. Finally, regarding the rib height, MVO, MFO, and GWO state that the optimal value is 0.06 meters, but WOA did not find a higher value than 0.039.

4.2. HCMVO Bi-level Approach

Despite several strong search characteristics of MVO and its high performance in various optimization problems, it suffers from a few deficiencies in local and global search mechanisms. For instance, it is trapped in the local optimum when wormholes stochastically generate many solutions near the best universe achieved throughout iterations, especially in solving complex multimodal problems with high dimensions [57]. Furthermore, MVO needs to be modified by an escaping strategy from the local optima to enhance the global search abilities. To address these shortages, we propose a fast and effective meta-algorithm (HCMVO) to combine MVO with a Random-restart hill-climbing local search. This meta-algorithm uses MVO on the upper level to develop global tracking and provide a range of feasible and proper solutions. The hill-climbing algorithm is designed to develop a comprehensive neighborhood search around the best-found solution proposed by the upper-level (MVO) when MVO is faced with a stagnation issue or falling into a local optimum. The performance threshold is formulated as follows.(20)Δ����THD=∑�=1�����TH��-����TH��-1�where BestTHDis the best-found solution per generation, andM is related to the domain of iterations to compute the average performance of MVO. If the proposed best solution by the local search is better than the initial one, the global best of MVO will be updated. HCMVO iteratively runs hill climbing when the performance of MVO goes down, each time with an initial condition to prepare for escaping such undesirable situations. In order to get a better balance between exploration and exploitation, the search step size linearly decreases as follows:(21)��=��-����Ma�iter��+1where iter and Maxiter are the current iteration and maximum number of evaluation, respectively. �� stands for the step size of the neighborhood search. Meanwhile, this strategy can improve the convergence rate of MVO compared with other algorithms.

Algorithm 1 shows the technical details of the proposed optimization method (HCMVO). The initial solution includes freeboard (�), bottom elevation (�), number of ribs (Nr), rib thickness (�), and rib height(�).

5. Conclusion

The high trend of diminishing worldwide energy resources has entailed a great crisis upon vulnerable societies. To withstand this effect, developing renewable energy technologies can open doors to a more reliable means, among which the wave energy converters will help the coastal residents and infrastructure. This paper set out to determine the optimized design for such devices that leads to the highest possible power output. The main goal of this research was to demonstrate the best design for an oscillating surge wave energy converter using a novel metaheuristic optimization algorithm. In this regard, the methodology was devised such that it argued the effects of influential parameters, including wave characteristics, WEC design, and interaction criteria.

To begin with, a numerical model was developed in Flow 3D software to simulate the response of the flap of a wave energy converter to incoming waves, followed by a validation study based upon a well-reputed experimental study to verify the accuracy of the model. Secondly, the hydrodynamics of the flap was investigated by incorporating the turbulence. The effect of depth, wave height, and wave period are also investigated in this part. The influence of two novel ideas on increasing the wave-converter interaction was then assessed: i) designing a flap with different widths in the upper and lower part, and ii) adding ribs on the surface of the flap. Finally, four trending single-objective metaheuristic optimization methods

Empty CellAlgorithm 1: Hill Climb Multiverse Optimization
01:procedure HCMVO
04:Initialize parameters�ER,�DR,�EP,Best�,���ite��▹Wormhole existence probability (WEP)
06:��=Normalize the inflation rate��
07:for iter in[1,⋯,���iter]do
13:White HoleIndex=Roulette�heelSelection(-��)
14:�(Black HoleIndex,�)=��(White HoleIndex,�)
15:end if
24:end if
25:end if
26:end for
27:end for
31:ifΔBestTHD<��then▹Perform hill climbing local search
33:end if
34:end for
35:return�,BestTHD▹Final configuration
36:end procedure

The implementation details of the hill-climbing algorithm applied in HCMPA can be seen in Algorithm 2. One of the critical parameters isg, which denotes the resolution of the neighborhood search around the proposed global best by MVO. If we set a small step size for hill-climbing, the convergence speed will be decreased. On the other hand, a large step size reinforces the exploration ability. Still, it may reduce the exploitation ability and in return increase the act of jumping from a global optimum or surfaces with high-potential solutions. Per each decision variable, the neighborhood search evaluates two different direct searches, incremental or decremental. After assessing the generated solutions, the best candidate will be selected to iterate the search algorithm. It is noted that the hill-climbing algorithm should not be applied in the initial iteration of the optimization process due to the immense tendency for converging to local optima. Meanwhile, for optimizing largescale problems, hill-climbing is not an appropriate selection. In order to improve understanding of the proposed hybrid optimization algorithm’s steps, the flowchart of HCMVO is designed and can be seen in Figure 16.

Figure 17 shows the observed capture factor (which is the absorbed energy with respect to the available energy) by each optimization algorithm from iterations 1 to 400. The algorithms use ten search agents in their modified codes to find the optimal solutions. While GWO and MFO remain roughly constant after iterations 54 and 40, the other three algorithms keep improving the capture factor. In this case, HCMVO and MVO worked very well in the optimizing process with a capture factor obtained by the former as 0.594 and by the latter as 0.593. MFO almost found its highest value before the iteration 50, which means the exploration part of the algorithm works out well. Similarly, HCMVO does the same. However, it keeps finding the better solution during the optimization process until the last iteration, indicating the strong exploitation part of the algorithm. GWO reveals a weakness in exploration and exploitation because not only does it evoke the least capture factor value, but also the curve remains almost unchanged throughout 350 iterations.

Figure 18 illustrates complex interactions between the five optimization parameters and the capture factor for HCMVO (a), MPA (b), and MFO (c) algorithms. The first interesting observation is that there is a high level of nonlinear relationships among the setting parameters that can make a multi-modal search space. The dark blue lines represent the best-found configuration throughout the optimisation process. Based on both HCMVO (a) and MVO (b), we can infer that the dark blue lines concentrate in a specific range, showing the high convergence ability of both HCMVO and MVO. However, MFO (c) could not find the exact optimal range of the decision variables, and the best-found solutions per generation distribute mostly all around the search space.

Empty CellAlgorithm 1: Hill Climb Multiverse Optimization
01:procedure HCMVO
03:Initialize the constraints��1�,��1�
04:�1�=Mi�1�+���1�/�▹Compute the step size,�is search resolution
07:Main loop
08:for iter≤���ita=do
13:t = t+1
14:end while
18:end for
20:end procedure

were utilized to illuminate the optimum values of the design parameters, and the best method was chosen to develop a new algorithm that performs both local and global search methods.

The correlation between hydrodynamic parameters and the capture factor of the converter was supported by the results. For any given water depth, the capture factor increases as the wave period increases, until a certain wave period value (6 seconds) is reached, after which the capture factor gradually decreases. It is expected since the flap cannot oscillate effectively when the wavelength is too short for a certain water depth. Conversely, when the wavelength is too long, the capture factor decreases. Furthermore, under a constant wave period, increasing the water depth does not affect the capture factor. Regarding the sensitivity analysis, the study found that increasing the flap bottom elevation causes turbulence flow behind the flap and limitation of rotation, which leads to less interaction with the incoming waves. Furthermore, while keeping the flap bottom elevation constant, increasing the freeboard improves the capture factor. Overtopping happens when the freeboard is negative and the flap is below the water surface, which has a detrimental influence on converter performance. Furthermore, raising the freeboard causes the wave impact to become more violent, which increases converter performance.

In the last part, we discussed the search process of each algorithm and visualized their performance and convergence curves as they try to find the best values for decision variables. Among the four selected metaheuristic algorithms, the Multi-verse Optimizer proved to be the most effective in achieving the best answer in terms of the WEC capture factor. However, the MVO needed modifications regarding its escape approach from the local optima in order to improve its global search capabilities. To overcome these constraints, we presented a fast and efficient meta-algorithm (HCMVO) that combines MVO with a Random-restart hill-climbing local search. On a higher level, this meta-algorithm employed MVO to generate global tracking and present a range of possible and appropriate solutions. Taken together, the results demonstrated that there is a significant degree of nonlinearity among the setup parameters that might result in a multimodal search space. Since MVO was faced with a stagnation issue or fell into a local optimum, we constructed a complete neighborhood search around the best-found solution offered by the upper level. In sum, the newly-developed algorithm proved to be highly effective for the problem compared to other similar optimization methods. The strength of the current findings may encourage future investigation on design optimization of wave energy converters using developed geometry as well as the novel approach.

CRediT authorship contribution statement

Erfan Amini: Conceptualization, Methodology, Validation, Data curation, Writing – original draft, Writing – review & editing, Visualization. Mahdieh Nasiri: Conceptualization, Methodology, Validation, Data curation, Writing – original draft, Writing – review & editing, Visualization. Navid Salami Pargoo: Writing – original draft, Writing – review & editing. Zahra Mozhgani: Conceptualization, Methodology. Danial Golbaz: Writing – original draft. Mehrdad Baniesmaeil: Writing – original draft. Meysam Majidi Nezhad: . Mehdi Neshat: Supervision, Conceptualization, Writing – original draft, Writing – review & editing, Visualization. Davide Astiaso Garcia: Supervision. Georgios Sylaios: Supervision.

Declaration of Competing Interest

The authors declare that they have no known competing financial interests or personal relationships that could have appeared to influence the work reported in this paper.


This research has been carried out within ILIAD (Inte-grated Digital Framework for Comprehensive Maritime Data and Information Services) project that received funding from the European Union’s H2020 programme.

Data availability

Data will be made available on request.


Figure 4.24 - Model with virtual valves in the extremities of the geometries to simulate the permeability of the mold promoting a more uniformed filling

Optimization of filling systems for low pressure by Flow-3D

Dissertação de Mestrado
Ciclo de Estudos Integrados Conducentes ao
Grau de Mestre em Engenharia Mecânica
Trabalho efectuado sob a orientação do
Doutor Hélder de Jesus Fernades Puga
Professor Doutor José Joaquim Carneiro Barbosa


논문의 일부로 튜터 선택 가능성과 해결해야 할 주제가 설정되는 매개변수를 염두에 두고 개발 주제 ‘Flow- 3D ®에 의한 저압 충전 시스템 최적화’가 선택되었습니다. 이를 위해서는 달성해야 할 목표와 이를 달성하기 위한 방법을 정의하는 것이 필요했습니다.

충전 시스템을 시뮬레이션하고 검증할 수 있는 광범위한 소프트웨어에도 불구하고 Flow-3D®는 시장에서 최고의 도구 중 하나로 표시되어 전체 충전 프로세스 및 행동 표현과 관련하여 탁월한 정확도로 시뮬레이션하는 능력을 입증했습니다.

이를 위해 관련 프로세스를 더 잘 이해하고 충진 시스템 시뮬레이션을 위한 탐색적 기반 역할을 하기 위해 이 도구를 탐색하는 것이 중요합니다. 지연 및 재료 낭비에 반영되는 실제적인 측면에서 충전 장치의 치수를 완벽하게 만드는 비용 및 시간 낭비. 이러한 방식으로 저압 주조 공정에서 충진 시스템을 설계하고 물리적 모델을 탐색하여 특성화하는 방법론을 검증하기 위한 것입니다.

이를 위해 다음 주요 단계를 고려하십시오.

시뮬레이션 소프트웨어 Flow 3D® 탐색;
충전 시스템 모델링;
모델의 매개변수를 탐색하여 모델링된 시스템의 시뮬레이션, 검증 및 최적화.

따라서 연구 중인 압력 곡선과 주조 분석에서 가장 관련성이 높은 정보의 최종 마이닝을 검증하기 위한 것입니다.

사용된 압력 곡선은 수집된 문헌과 이전에 수행된 실제 작업을 통해 얻었습니다. 결과를 통해 3단계 압력 곡선이 층류 충진 체계의 의도된 목적과 관련 속도가 0.5 𝑚/𝑠를 초과하지 않는다는 결론을 내릴 수 있었습니다.

충전 수준이 2인 압력 곡선은 0.5 𝑚/𝑠 이상의 속도로 영역을 채우는 더 난류 시스템을 갖습니다. 열전달 매개변수는 이전에 얻은 값이 주물에 대한 소산 거동을 확증하지 않았기 때문에 연구되었습니다.

이러한 방식으로 주조 공정에 더 부합하는 새로운 가치를 얻었습니다. 달성된 결과는 유사한 것으로 나타난 NovaFlow & Solid®에 의해 생성된 결과와 비교되어 시뮬레이션에서 설정된 매개변수를 검증했습니다. Flow 3D®는 주조 부품 시뮬레이션을 위한 강력한 도구로 입증되었습니다.

As part of the dissertation and bearing in mind the parameters in which the possibility of a choice of tutor and the subject to be addressed is established, the subject for development ’Optimization of filling systems for low pressure by Flow 3D ®’ was chosen. For this it was necessary to define the objectives to achieve and the methods to attain them. Despite the wide range of software able to simulate and validate filling systems, Flow 3D® has been shown as one of the best tools in the market, demonstrating its ability to simulate with distinctive accuracy with respect to the entire process of filling and the behavioral representation of the fluid obtained. To this end, it is important to explore this tool for a better understanding of the processes involved and to serve as an exploratory basis for the simulation of filling systems, simulation being one of the great strengths of the current industry due to the need to reduce costs and time waste, in practical terms, that lead to the perfecting of the dimensioning of filling devices, which are reflected in delays and wasted material. In this way it is intended to validate the methodology to design a filling system in lowpressure casting process, exploring their physical models and thus allowing for its characterization. For this, consider the following main phases: The exploration of the simulation software Flow 3D®; modeling of filling systems; simulation, validation and optimization of systems modeled by exploring the parameters of the models. Therefore, it is intended to validate the pressure curves under study and the eventual mining of the most relevant information in a casting analysis. The pressure curves that were used were obtained through the gathered literature and the practical work previously performed. Through the results it was possible to conclude that the pressure curve with 3 levels meets the intended purpose of a laminar filling regime and associated speeds never exceeding 0.5 𝑚/𝑠. The pressure curve with 2 filling levels has a more turbulent system, having filling areas with velocities above 0.5 𝑚/𝑠. The heat transfer parameter was studied due to the values previously obtained didn’t corroborate the behavior of dissipation regarding to the casting. In this way, new values, more in tune with the casting process, were obtained. The achieved results were compared with those generated by NovaFlow & Solid®, which were shown to be similar, validating the parameters established in the simulations. Flow 3D® was proven a powerful tool for the simulation of casting parts.


저압, Flow 3D®, 시뮬레이션, 파운드리, 압력-시간 관계,Low Pressure, Flow 3D®, Simulation, Foundry, Pressure-time relation

Figure 4.24 - Model with virtual valves in the extremities of the geometries to simulate the permeability of the mold promoting a more uniformed filling
Figure 4.24 – Model with virtual valves in the extremities of the geometries to simulate the permeability of the mold promoting a more uniformed filling
Figure 4.39 - Values of temperature contours using full energy heat transfer parameter for simula
Figure 4.39 – Values of temperature contours using full energy heat transfer parameter for simula
Figure 4.40 – Comparison between software simulations (a) Flow 3D® simulation,
(b) NovaFlow & Solid® simulation
Figure 4.40 – Comparison between software simulations (a) Flow 3D® simulation, (b) NovaFlow & Solid® simulation


[1] E. Stanley and D. B. Sc, “Fluid Flow Aspects of Solidification Modelling : Simulation
of Low Pressure Die Casting .”
[2] Y. Sahin, “Computer aided foundry die-design,” Metallography, vol. 24, no. 8, pp.
671–679, 2003.
[3] F. Bonollo, J. Urban, B. Bonatto, and M. Botter, “Gravity and low pressure die casting
of aluminium alloys : a technical and economical benchmark,” La Metall. Ital., vol. 97,
no. 6, pp. 23–32, 2005.
[4] P. a and R. R, “Study of the effect of process parameters on the production of a nonsimmetric low pressure die casting part,” La Metall. Ital., pp. 57–63, 2009.
[5] “Fundição em baixa pressão | Aluinfo.” [Online]. Available: [Accessed: 18-
[6] “Low Pressure Sand Casting by Wolverine Bronze.” [Online]. Available: [Accessed: 18-Sep2015].
[7] A. Reikher, “Numerical Analysis of Die-Casting Process in Thin Cavities Using
Lubrication Approximation,” no. December, 2012.
[8] P. Fu, A. a. Luo, H. Jiang, L. Peng, Y. Yu, C. Zhai, and A. K. Sachdev, “Low-pressure
die casting of magnesium alloy AM50: Response to process parameters,” J. Mater.
Process. Technol., vol. 205, no. 1–3, pp. 224–234, 2008.
[9] X. Li, Q. Hao, W. Jie, and Y. Zhou, “Development of pressure control system in
counter gravity casting for large thin-walled A357 aluminum alloy components,”
Trans. Nonferrous Met. Soc. China, vol. 18, no. 4, pp. 847–851, 2008.
[10] J. a. Hines, “Determination of interfacial heat-transfer boundary conditions in an
aluminum low-pressure permanent mold test casting,” Metall. Mater. Trans. B, vol. 35,
no. 2, pp. 299–311, 2004.
[11] A. Lima, A. Freitas, and P. Magalhães, “Processos de vazamento em moldações
permanentes,” pp. 40–49, 2003.
[12] Y. B. Choi, K. Matsugi, G. Sasaki, K. Arita, and O. Yanagisawa, “Analysis of
Manufacturing Processes for Metal Fiber Reinforced Aluminum Alloy Composite
Fabricated by Low-Pressure Casting,” Mater. Trans., vol. 47, no. 4, pp. 1227–1231,
[13] G. Mi, X. Liu, K. Wang, and H. Fu, “Numerical simulation of low pressure die-casting
aluminum wheel,” China Foundry, vol. 6, no. 1, pp. 48–52, 2009.
[14] J. Kuo, F. Hsu, and W. Hwang, “ADVANCED Development of an interactive
simulation system for the determination of the pressure ± time relationship during the
® lling in a low pressure casting process,” vol. 2, pp. 131–145, 2001.
[15] S.-G. Liu, F.-Y. Cao, X.-Y. Zhao, Y.-D. Jia, Z.-L. Ning, and J.-F. Sun, “Characteristics
of mold filling and entrainment of oxide film in low pressure casting of A356 alloy,”
Mater. Sci. Eng. A, vol. 626, pp. 159–164, 2015.
[16] “Casting Training Class – Lecture 10 – Solidification and Shrinkage-Casting.” FLOW3D®.
[17] “UAB Casting Engineering Laboratory.” [Online]. Available:
file:///C:/Users/Jos%C3%A9 Belo/Desktop/Artigo_Software/UAB Casting
Engineering Laboratory.htm. [Accessed: 09-Nov-2015].
[18] A. Louvo, “Casting Simulation as a Tool in Concurrent Engineering,” pp. 1–12, 1997.
[19] T. R. Vijayaram and P. Piccardo, “Computers in Foundries,” vol. 30, 2012.
[20] M. Sadaiah, D. R. Yadav, P. V. Mohanram, and P. Radhakrishnan, “A generative
computer-aided process planning system for prismatic components,” Int. J. Adv.
Manuf. Technol., vol. 20, no. 10, pp. 709–719, 2002.
[21] Ministry_of_Planning, “Digital Data,” vol. 67, pp. 1–6, 2004.
[22] S. Shamasundar, D. Ramachandran, and N. S. Shrinivasan, “COMPUTER
[23] J. M. Siqueira and G. Motors, “Simulation applied to Aluminum High Pressure Die
Casting,” pp. 1–5, 1998.
[24] C. Fluid, COMPUTATIONAL FLUID DYNAMICS. Abdulnaser Sayma & Ventus
Publishing ApS, 2009.
[25] C. a. Felippa, “1 – Overview,” Adv. Finite Elem. Methods, pp. 1–9.
[26] a. Meena and M. El Mansori, “Correlative thermal methodology for castability
simulation of ductile iron in ADI production,” J. Mater. Process. Technol., vol. 212,
no. 11, pp. 2484–2495, 2012.
[27] T. R. Vijayaram, S. Sulaiman, a. M. S. Hamouda, and M. H. M. Ahmad, “Numerical
simulation of casting solidification in permanent metallic molds,” J. Mater. Process.
Technol., vol. 178, pp. 29–33, 2006.
[28] “General CFD FAQ — CFD-Wiki, the free CFD reference.” [Online]. Available: [Accessed: 10-Nov-2015].
[29] “FEM | FEA | CFD.” [Online]. Available: [Accessed:
[30] “Fundição; revista da Associação portuguesa de fundição,” Fundição, vol. N
[31] “Casting Training Class – Lecture 1 – Introduction_to_FLOW-3D – Casting.” FLOW3D®.
[32] F. Science, “FLOW-3D Cast Documentation,” no. 3.5, p. 80, 2012.
[33] “Casting Training Class – Lecture 4 – Geometry Building – General.” FLOW-3D®.
[34] F. Science, “FLOW-3D v11.0.3 User Manual,” pp. 1–132, 2015.
[35] “Casting Training Class – Lecture 5 Meshing Concept – General.” FLOW-3D®.
[36] “Casting Training Class – Lecture 6 – Boundary_Conditions – Casting.” FLOW-3D®.
[37] “Casting Training Class – Lecture 9 – Physical Models-castings.” FLOW-3D®.
[38] P. A. D. Jácome, M. C. Landim, A. Garcia, A. F. Furtado, and I. L. Ferreira, “The
application of computational thermodynamics and a numerical model for the
determination of surface tension and Gibbs–Thomson coefficient of aluminum based
alloys,” Thermochim. Acta, vol. 523, no. 1–2, pp. 142–149, 2011.
[39] J. P. Anson, R. A. L. Drew, and J. E. Gruzleski, “The surface tension of molten
aluminum and Al-Si-Mg alloy under vacuum and hydrogen atmospheres,” Metall.
Mater. Trans. B Process Metall. Mater. Process. Sci., vol. 30, no. 6, pp. XVI–1032,

Figure 3. FLOW-3D results for Strathcona Dam spillway with all gates fully open at an elevated reservoir level during passage of a large flood. Note the effects of poor approach conditions and pier overtopping at the leftmost bay.

BC Hydro Assesses Spillway Hydraulics with FLOW-3D

by Faizal Yusuf, M.A.Sc., P.Eng.
Specialist Engineer in the Hydrotechnical Department at BC Hydro

BC Hydro, a public electric utility in British Columbia, uses FLOW-3D to investigate complex hydraulics issues at several existing dams and to assist in the design and optimization of proposed facilities.

Faizal Yusuf, M.A.Sc., P.Eng., Specialist Engineer in the Hydrotechnical department at BC Hydro, presents three case studies that highlight the application of FLOW-3D to different types of spillways and the importance of reliable prototype or physical hydraulic model data for numerical model calibration.

W.A.C. Bennett Dam
At W.A.C. Bennett Dam, differences in the spillway geometry between the physical hydraulic model from the 1960s and the prototype make it difficult to draw reliable conclusions on shock wave formation and chute capacity from physical model test results. The magnitude of shock waves in the concrete-lined spillway chute are strongly influenced by a 44% reduction in the chute width downstream of the three radial gates at the headworks, as well as the relative openings of the radial gates. The shock waves lead to locally higher water levels that have caused overtopping of the chute walls under certain historical operations.Prototype spill tests for discharges up to 2,865 m3/s were performed in 2012 to provide surveyed water surface profiles along chute walls, 3D laser scans of the water surface in the chute and video of flow patterns for FLOW-3D model calibration. Excellent agreement was obtained between the numerical model and field observations, particularly for the location and height of the first shock wave at the chute walls (Figure 1).

W.A.C에서 Bennett Dam, 1960년대의 물리적 수력학 모델과 프로토타입 사이의 여수로 형상의 차이로 인해 물리적 모델 테스트 결과에서 충격파 형성 및 슈트 용량에 대한 신뢰할 수 있는 결론을 도출하기 어렵습니다. 콘크리트 라이닝 방수로 낙하산의 충격파 크기는 방사형 게이트의 상대적인 개구부뿐만 아니라 헤드워크에 있는 3개의 방사형 게이트 하류의 슈트 폭이 44% 감소함에 따라 크게 영향을 받습니다. 충격파는 특정 역사적 작업에서 슈트 벽의 범람을 야기한 국부적으로 더 높은 수위로 이어집니다. 최대 2,865m3/s의 배출에 대한 프로토타입 유출 테스트가 2012년에 수행되어 슈트 벽을 따라 조사된 수면 프로필, 3D 레이저 스캔을 제공했습니다. FLOW-3D 모델 보정을 위한 슈트의 수면 및 흐름 패턴 비디오. 특히 슈트 벽에서 첫 번째 충격파의 위치와 높이에 대해 수치 모델과 현장 관찰 간에 탁월한 일치가 이루어졌습니다(그림 1).
Figure 1. Comparison between prototype observations and FLOW-3D for a spill discharge of 2,865 m^3/s at Bennett Dam spillway.
Figure 1. Comparison between prototype observations and FLOW-3D for a spill discharge of 2,865 m^3/s at Bennett Dam spillway.

The calibrated FLOW-3D model confirmed that the design flood could be safely passed without overtopping the spillway chute walls as long as all three radial gates are opened as prescribed in existing operating orders with the outer gates open more than the inner gate.

The CFD model also provided insight into the concrete damage in the spillway chute. Cavitation indices computed from FLOW-3D simulation results were compared with empirical data from the USBR and found to be consistent with the historical performance of the spillway. The numerical analysis supported field inspections, which concluded that deterioration of the concrete conditions in the chute is likely not due to cavitation.

Strathcona Dam
FLOW-3D was used to investigate poor approach conditions and uncertainties with the rating curves for Strathcona Dam spillway, which includes three vertical lift gates on the right abutment of the dam. The rating curves for Strathcona spillway were developed from a combination of empirical adjustments and limited physical hydraulic model testing in a flume that did not include geometry of the piers and abutments.

Numerical model testing and calibration was based on comparisons with prototype spill observations from 1982 when all three gates were fully open, resulting in a large depression in the water surface upstream of the leftmost bay (Figure 2). The approach flow to the leftmost bay is distorted by water flowing parallel to the dam axis and plunging over the concrete retaining wall adjacent to the upstream slope of the earthfill dam. The flow enters the other two bays much more smoothly. In addition to very similar flow patterns produced in the numerical model compared to the prototype, simulated water levels at the gate section matched 1982 field measurements to within 0.1 m.

보정된 FLOW-3D 모델은 외부 게이트가 내부 게이트보다 더 많이 열려 있는 기존 운영 명령에 규정된 대로 3개의 방사형 게이트가 모두 열리는 한 여수로 낙하산 벽을 넘지 않고 설계 홍수를 안전하게 통과할 수 있음을 확인했습니다.

CFD 모델은 방수로 낙하산의 콘크리트 손상에 대한 통찰력도 제공했습니다. FLOW-3D 시뮬레이션 결과에서 계산된 캐비테이션 지수는 USBR의 경험적 데이터와 비교되었으며 여수로의 역사적 성능과 일치하는 것으로 나타났습니다. 수치 분석은 현장 검사를 지원했으며, 슈트의 콘크리트 상태 악화는 캐비테이션 때문이 아닐 가능성이 높다고 결론지었습니다.

Strathcona 댐
FLOW-3D는 Strathcona Dam 여수로에 대한 등급 곡선을 사용하여 열악한 접근 조건과 불확실성을 조사하는 데 사용되었습니다. 여기에는 댐의 오른쪽 접합부에 3개의 수직 리프트 게이트가 포함되어 있습니다. Strathcona 여수로에 대한 등급 곡선은 경험적 조정과 교각 및 교대의 형상을 포함하지 않는 수로에서 제한된 물리적 수리 모델 테스트의 조합으로 개발되었습니다.

수치 모델 테스트 및 보정은 세 개의 수문이 모두 완전히 개방된 1982년의 프로토타입 유출 관측과의 비교를 기반으로 했으며, 그 결과 가장 왼쪽 만의 상류 수면에 큰 함몰이 발생했습니다(그림 2). 최좌단 만으로의 접근 흐름은 댐 축과 평행하게 흐르는 물과 흙채움댐의 상류 경사면에 인접한 콘크리트 옹벽 위로 떨어지는 물에 의해 왜곡됩니다. 흐름은 훨씬 더 원활하게 다른 두 베이로 들어갑니다. 프로토타입과 비교하여 수치 모델에서 생성된 매우 유사한 흐름 패턴 외에도 게이트 섹션에서 시뮬레이션된 수위는 1982년 현장 측정과 0.1m 이내로 일치했습니다.

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

The calibrated CFD model produces discharges within 5% of the spillway rating curve for the reservoir’s normal operating range with all gates fully open. However, at higher reservoir levels, which may occur during passage of large floods (as shown in Figure 3), the difference between simulated discharges and the rating curves are greater than 10% as the physical model testing with simplified geometry and empirical corrections did not adequately represent the complex approach flow patterns. The FLOW-3D model provided further insight into the accuracy of rating curves for individual bays, gated conditions and the transition between orifice and free surface flow.

보정된 CFD 모델은 모든 게이트가 완전히 열린 상태에서 저수지의 정상 작동 범위에 대한 여수로 등급 곡선의 5% 이내에서 배출을 생성합니다. 그러나 대규모 홍수가 통과하는 동안 발생할 수 있는 더 높은 저수지 수위에서는(그림 3 참조) 단순화된 기하학과 경험적 수정을 사용한 물리적 모델 테스트가 그렇지 않았기 때문에 모의 배출과 등급 곡선 간의 차이는 10% 이상입니다. 복잡한 접근 흐름 패턴을 적절하게 표현합니다. FLOW-3D 모델은 개별 베이, 게이트 조건 및 오리피스와 자유 표면 흐름 사이의 전환에 대한 등급 곡선의 정확도에 대한 추가 통찰력을 제공했습니다.

Figure 3. FLOW-3D results for Strathcona Dam spillway with all gates fully open at an elevated reservoir level during passage of a large flood. Note the effects of poor approach conditions and pier overtopping at the leftmost bay.
Figure 3. FLOW-3D results for Strathcona Dam spillway with all gates fully open at an elevated reservoir level during passage of a large flood. Note the effects of poor approach conditions and pier overtopping at the leftmost bay.

John Hart Dam
The John Hart concrete dam will be modified to include a new free crest spillway to be situated between an existing gated spillway and a low level outlet structure that is currently under construction. Significant improvements in the design of the proposed spillway were made through a systematic optimization process using FLOW-3D.

The preliminary design of the free crest spillway was based on engineering hydraulic design guides. Concrete apron blocks are intended to protect the rock at the toe of the dam. A new right training wall will guide the flow from the new spillway towards the tailrace pool and protect the low level outlet structure from spillway discharges.

FLOW-3D model results for the initial and optimized design of the new spillway are shown in Figure 4. CFD analysis led to a 10% increase in discharge capacity, significant decrease in roadway impingement above the spillway crest and improved flow patterns including up to a 5 m reduction in water levels along the proposed right wall. Physical hydraulic model testing will be used to confirm the proposed design.

존 하트 댐
John Hart 콘크리트 댐은 현재 건설 중인 기존 배수로와 저층 배수로 사이에 위치할 새로운 자유 마루 배수로를 포함하도록 수정될 것입니다. FLOW-3D를 사용한 체계적인 최적화 프로세스를 통해 제안된 여수로 설계의 상당한 개선이 이루어졌습니다.

자유 마루 여수로의 예비 설계는 엔지니어링 수력학 설계 가이드를 기반으로 했습니다. 콘크리트 앞치마 블록은 댐 선단부의 암석을 보호하기 위한 것입니다. 새로운 오른쪽 훈련 벽은 새 여수로에서 테일레이스 풀로 흐름을 안내하고 여수로 배출로부터 낮은 수준의 배출구 구조를 보호합니다.

새 여수로의 초기 및 최적화된 설계에 대한 FLOW-3D 모델 결과는 그림 4에 나와 있습니다. CFD 분석을 통해 방류 용량이 10% 증가하고 여수로 마루 위의 도로 충돌이 크게 감소했으며 최대 제안된 오른쪽 벽을 따라 수위가 5m 감소합니다. 제안된 설계를 확인하기 위해 물리적 수압 모델 테스트가 사용됩니다.

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


BC Hydro has been using FLOW-3D to investigate a wide range of challenging hydraulics problems for different types of spillways and water conveyance structures leading to a greatly improved understanding of flow patterns and performance. Prototype data and reliable physical hydraulic model testing are used whenever possible to improve confidence in the numerical model results.

다양한 유형의 여수로 및 물 수송 구조로 인해 흐름 패턴 및 성능에 대한 이해가 크게 향상되었습니다. 프로토타입 데이터와 신뢰할 수 있는 물리적 유압 모델 테스트는 수치 모델 결과의 신뢰도를 향상시키기 위해 가능할 때마다 사용됩니다.

About Flow Science, Inc.
Based in Santa Fe, New Mexico USA, Flow Science was founded in 1980 by Dr. C. W. (Tony) Hirt, who was one of the principals in pioneering the “Volume-of-Fluid” or VOF method while working at the Los Alamos National Lab. FLOW-3D is a direct descendant of this work, and in the subsequent years, we have increased its sophistication with TruVOF, boasting pioneering improvements in the speed and accuracy of tracking distinct liquid/gas interfaces. Today, Flow Science products offer complete multiphysics simulation with diverse modeling capabilities including fluid-structure interaction, 6-DoF moving objects, and multiphase flows. From inception, our vision has been to provide our customers with excellence in flow modeling software and services.

Best Ultrabooks and Premium Laptops 2021

FLOW-3D 해석용 노트북 선택 가이드

2023년 01월 11일

본 자료는 IT WORLD에서 인용한 자료입니다.

일반적으로 수치해석을 주 업무로 사용하는 경우 노트북을 사용하는 경우는 그리 많지 않습니다. 그 이유는 CPU 성능을 100%로 사용하는 해석 프로그램의 특성상 발열과 부품의 성능 측면에서 데스크탑이나 HPC의 성능을 따라 가기는 어렵기 때문입니다.

그럼에도 불구하고, 이동 편의성이나 발표,  Demo 등의 업무 필요성이 자주 있는 경우, 또는 계산 시간이 짧은 경량 해석을 주로 하는 경우, 노트북이 주는 이점이 크기 때문에 수치해석용 노트북을 고려하기도 합니다.

보통 수치해석용 컴퓨터를 검토하는 경우 CPU의 Core수나 클럭, 메모리, 그래픽카드 등을 신중하게 검토하게 되는데 모든 것이 예산과 직결되어 있기 때문입니다.  따라서 해석용 컴퓨터 구매 시 어떤 것을 선정 우선순위에 두는지에 따라 사양이 달라지게 됩니다.

해석용으로 노트북을 고려하는 경우, 보통 CPU의 클럭은 비교적 선택 기준이 명확합니다. 메모리 또한 용량에 따라 가격이 정해지기 때문에 이것도 비교적 명확합니다. 나머지 가격에 가장 큰 영향을 주는 것이 그래픽카드인데, 이는 그래픽 카드의 경우 일반적인 게임용이나 포토샵으로 일반적인 이미지 처리 작업을 수행하는 그래픽카드와 3차원 CAD/CAE에 사용되는 업무용 그래픽 카드는 명확하게 분리되어 있고, 이는 가격 측면에서 매우 차이가 많이 납니다.

통상 게임용 그래픽카드는 수치해석의 경우 POST 작업시 문제가 발생하는 경우가 종종 발생하기 때문에 일반적으로 선택 우선 순위에서 충분한 확인을 한 후 구입하는 것이 좋습니다.

FLOW-3D는 OpenGL 드라이버가 만족스럽게 수행되는 최신 그래픽 카드가 적합합니다. 최소한 OpenGL 3.0을 지원하는 것이 좋습니다. FlowSight는 DirectX 11 이상을 지원하는 그래픽 카드에서 가장 잘 작동합니다. 권장 옵션은 NVIDIA의 Quadro K 시리즈와 AMD의 Fire Pro W 시리즈입니다.

특히 엔비디아 쿼드로(NVIDIA Quadro)는 엔비디아가 개발한 전문가 용도(워크스테이션)의 그래픽 카드입니다. 일반적으로 지포스 그래픽 카드가 게이밍에 초점이 맞춰져 있지만, 쿼드로는 다양한 산업 분야의 전문가가 필요로 하는 영역에 광범위한 용도로 사용되고 있습니다. 주로 산업계의 그래픽 디자인 분야, 영상 콘텐츠 제작 분야, 엔지니어링 설계 분야, 과학 분야, 의료 분석 분야 등의 전문가 작업용으로 사용되고 있습니다. 따라서 일반적인 소비자를 대상으로 하는 지포스 그래픽 카드와는 다르계 산업계에 포커스 되어 있으며 가격이 매우 비싸서 도입시 예산을 고려해야 합니다.

MSI, CES 2023서 인텔 코어 i9-13980HX 탑재 노트북 벤치마크 공개


Mark Hachman  | PCWorld

MSI가 새로운 노트북 CPU 벤치마크, 그리고 그 CPU가 내장돼 있는 신제품 노트북 제품군을 모두 CES 2023에서 공개했다. CES에서 인텔은 노트북용 13세대 코어 칩, 코드명 랩터 레이크와 핵심 제품인 코어 i9-13980HX를 발표했다.

ⓒ PCWorld

새로운 노트북용 13세대 코어 칩이 게임 플레이에서 12% 더 빠르다는 정도의 약간의 정보는 이미 알려져 있다. 사용자가 기다리는 것은 실제 CPU가 탑재된 노트북에서의 성능이지만 보통 벤치마크는 제품 출시가 임박해서야 공개되는 것이 보통이다. 올해는 다르다.

CES 2023에서 MSI는 인텔 최고급 제품군인 코어 i9-13980HX 프로세서가 탑재된 타이탄 GT77 HX과 레이더 GE78 HX를 공개했다. 이례적으로 여기에 더해 PCI 익스프레서 5 SSD의 실제 성능을 측정하는 크리스털디스크마크, 모바일 프로세서 실행 속도를 측정하는 시네벤치 벤치마크 점수도 함께 제공했다. 다음 영상의 결과부터 말하자면 인텔 최신 프로세서를 큰 폭으로 따돌릴 만한 수치다.

ⓒ PCWorld

MSI는 레이더 GE78 HX 외에도 레이더 GE68 HX 그리고 게이밍 노트북 같지 않은 외관의 스텔스 16 스튜디오, 스텔스 14, 사이보그 14 등 2023년에 출시될 다른 노트북도 전시했다. 오래된 PC 애호가라면 MSI 노트북 전면을 장식한 화려한 복고풍의 라이트 브라이트(Lite Brite) LED를 반가워할지도 모른다. 바닥면 섀시가 투명한 플라스틱 소재로 MSI 로고가 새겨져 있는 제품도 있다. 상세한 가격, 출시일, 사양 등은 추후 공개 예정이다. 


‘코어 i7 vs. 코어 i9’ 나에게 맞는 고성능 노트북 CP


고성능 노트북을 구매할 때는 코어 i7과 코어 i9 사이에서 선택의 갈림길에 서게 된다. 코어 i7 CPU도 강력하지만 코어 i9는 최고의 성능을 위해 만들어진 CPU이며 보통 그에 상응하는 높은 가격대로 판매된다.

CPU에 초점을 둔다면 관건은 성능이다. 성능을 좌우하는 두 가지 주요소는 CPU의 동작 클록 속도(MHz), 그리고 탑재된 연산 코어의 수다. 그러나 노트북에서 한 가지 중요한 제약 요소는 냉각이다. 냉각이 제대로 되지 않으면 고성능도 쓸모가 없다. 가장 적합한 노트북 CPU를 결정하는 데 도움이 되도록 인텔의 지난 3개 세대 CPU의 코어 i7과 i9에 대한 정보를 모았다. 최신 세대부터 시작해 역순으로 살펴보자.

11세대: 코어 i9 vs. 코어 i7

인텔의 11세대 타이거 레이크(Tiger Lake) H는 한 가지 큰 이정표를 달성했다. 인텔이 2015년부터 H급 CPU에 사용해 온 14nm 공정을 마침내 최신 10nm 슈퍼핀(SuperFin) 공정으로 바꾼 것이다. 오랫동안 기다려온 변화다.

인텔이 자랑할 만한 10nm 고성능 칩을 내놓자 타이거 레이크 H를 장착한 노트북도 속속 발표됐다. 얇고 가볍고 예상외로 가격도 저렴한 에이서 프레데터 트라이톤(Acer Predator Triton) 300 SE를 포함해 일부는 벌써 매장에 출시됐다. 모든 타이거 레이크 H 칩이 8코어 CPU라는 점도 달라진 부분이다. 이전 세대의 경우 같은 제품군 내에서 코어 수에 차이를 둬 성능 기대치를 구분했다.

클록 차이도 크지 않다. 코어 i7-11800H의 최대 클록은 4.6GHz, 코어 i9-11980HK는 5GHz로, 클록 속도 증가폭은 약 8.6% 차이다. 나쁘지 않은 수치지만 둘 다 8코어 CPU임을 고려하면 대부분의 사용자에게 코어 i9는 큰 매력은 없다.

다만 코어 i9에 유리한 부분을 하나 더 꼽자면 코어 i9-11980HK가 65W의 열설계전력(TDP)을 옵션으로 제공한다는 점이다. 높은 TDP는 최상위 코어 i9에만 제공되는데, 이는 전력 및 냉각 요구사항을 충족하는 노트북에서는 코어 i7 버전보다 더 높은 지속 클록 속도를 제공할 수 있음을 의미한다.

대신 이런 노트북은 두껍고 크기도 클 가능성이 높다. 따라서 두 개의 얇은 랩톱 중에서(하나는 코어 i9, 하나는 코어 i7) 고민하는 사람에겐 열 및 전력 측면의 여유분은 두께와 크기를 희생할 만큼의 가치는 없을 것이다.

*11세대의 승자: 대부분의 사용자에게 코어 i7

10세대: 코어 i9 vs. 코어 i7

인텔은 10세대 코멧 레이크(Comet Lake) H 제품군에서 14nm를 고수했다. 그 대신 코어 i9 CPU 외에 코어 i7에도 8코어 CPU를 도입, 사용자가 비싼 최상위 CPU를 사지 않고도 더 뛰어난 성능을 누릴 수 있게 했다.

11세대 노트북이 나오기 시작했지만 10세대 CPU 제품 중에서도 아직 괜찮은 제품이 많다. 예를 들어 MSI GE76 게이밍 노트북은 빠른 CPU와 고성능 155W GPU를 탑재했고, 전면 모서리에는 RGB 라이트가 달려 있다.

11세대 칩과 마찬가지로 코어와 클록 속도의 차이가 크지 않으므로 대부분의 사용자에게 코어 i7과 코어 i9 간의 차이는 미미하다. 코어 i9-10980HK의 최대 부스트 클록은 5.3GHz, 코어 i7-10870H는 5GHz로, 두 칩의 차이는 약 6%다. PC를 최대 한계까지 사용해야 하는 경우가 아니라면 더 비싼 비용을 들여 10세대 코어 i9를 구매할 이유가 없다.

*10세대 승자: 대부분의 사용자에게 코어 i7

9세대: 코어 i9 대 코어 i7

인텔은 9세대 커피 레이크 리프레시(Coffee Lake Refresh) 노트북 H급 CPU에서 14nm 공정을 계속 유지했다. 코어 i9는 더 높은 클록 속도(최대 5GHz)를 제공하며 8개의 CPU 코어를 탑재했다. 물론 이 칩은 2년 전에 출시됐지만 인텔이 설계를 도운 XPG 제니아(Xenia) 15 등 아직 괜찮은 게이밍 노트북이 있다. 얇고 가볍고 빠르며 엔비디아 RTX GPU를 내장했다.

8코어 4.8GHz 코어 i9-9880HK와 4.6GHz 6코어 코어 i7-9850의 클록 속도 차이는 약 4%로, 실제 사용 시 유의미한 차이로 이어지는 경우는 극소수다. 두 CPU 모두 기업용 노트북에 많이 사용됐다. 대부분의 소비자용 노트북에는 8코어 5GHz 코어 i9-9880HK와 6코어 4.5GHz 코어 i7-9750H가 탑재됐다. 이 두 CPU의 클록 차이는 약 11%로, 이 정도면 유의미한 차이지만 마찬가지로 대부분의 경우 실제로 체감하기는 어렵다.

그러나 코어 수의 차이는 멀티 스레드 애플리케이션에서 큰 체감 효과로 이어지는 경우가 많다. 3D 모델링 테스트인 씨네벤치(Cinebench) R20에서 코어 i9-9980HK를 탑재한 구형 XPS 15의 점수는 코어 i7-9750H를 탑재한 게이밍 노트북보다 42% 더 높았다. 8코어 코어 i9의 발열을 심화하는 무거운 부하에서는 성능 차이가 약 7%로 줄어들었다. 여기에는 노트북의 설계가 큰 영향을 미칠 것이다. 어쨌든 일부 상황에서는 8코어가 6코어보다 유리하다.

또한 수치해석의 경우 결과를 분석하는 작업중의 많은 부분이 POST 작업으로 그래픽처리가 필요하다. 따라서 아래 영상편집을 위한 노트북에 대한 자료도 선택에 도움이 될것으로 보인다.

영상 편집을 위한 최고의 노트북 9선

Brad Chacos, Ashley Biancuzzo, Sam Singleton | PCWorld


영상을 편집하다 보면 컴퓨터의 여러 리소스를 집약적으로 사용하기 마련이다. 그래서 영상 편집은 대부분 데스크톱 PC에서 하는 경우가 많지만, 노트북에서 영상을 편집하려 한다면 PC만큼 강력한 사양이 뒷받침되어야 한다. 

ⓒ Gordon Mah Ung / IDG

영상 편집용 노트북을 구매할 때 가장 비싼 제품을 선택할 필요는 없다. 사용 환경에 맞게 프로세서, 디스플레이의 품질, 포트 종류 등을 다양하게 고려해야 한다. 다음은 영상 편집에 최적화된 노트북 제품이다. 추천 제품을 확인한 후 영상 편집용 노트북을 테스트하는 팁도 참고하자. 

1. 영상 편집용 최고의 노트북, 델 XPS 17(2022)

ⓒ  IDG

• 가격 대비 강력한 기능
• 밝고 풍부한 색채의 대형 디스플레이
• 썬더볼트 4 포트 4개 제공
• 긴 배터리 수명 
• 시중에서 가장 빠른 GPU인 RTX 3060

• 무겁고 두꺼움
• 평범한 키보드
• USB-A, HDMI, 이더넷 미지원

델 XPS 17(2022)이야말로 콘텐츠 제작에 최적화된 노트북이다. 인텔 12세대 코어 i7-12700H 프로세서 및 엔비디아 지포스 RTX 3060는 편집을 위한 뛰어난 성능을 제공한다. 1TB SSD도 함께 지원되기에 데이터를 옮길 때도 편하다. 

XPS 17은 SD카드 리더, 여러 썬더볼트 4 포트, 3840×2400 해상도의 17인치 터치스크린 패널, 16:10 화면 비율과 같은 영상 편집자에게 필요한 기능을 포함한다. 무게도 2.5kg 대로 비교적 가볍다. 배터리 지속 시간은 한번 충전 시 11시간인데, 이전 XPS 17 버전보다 1시간 이상 늘어난 수치다. 

2. 영상 편집에 최적화된 스크린, 델 XPS 15 9520

ⓒ  IDG

• 뛰어난 OLED 디스플레이
• 견고하고 멋진 섀시(Chassis)
• 강력한 오디오
• 넓은 키보드 및 터치패드

• 다소 부족한 화면 크기
• 실망스러운 배터리 수명
• 시대에 뒤떨어진 웹캠
• 제한된 포트

델 XPS 15 9520은 놀라운 OLED 디스플레이를 갖추고 있으며, 최신 인텔 코어 i7-12700H CPU 및 지포스 RTX 3050 Ti 그래픽이 탑재되어 있다. 컨텐츠 제작 및 영상 편집용으로 가장 선호하는 제품이다. 시스템도 좋지만 투박하면서 금속 소재로 이루어진 외관이 특히 매력적이다. 

15인치 노트북이지만 매일 갖고 다니기에 다소 무거운 것은 단점이다. XPS 17 모델에서 제공되는 포트도 일부 없다. 그러나 멋진 OLED 디스플레이가 단연 돋보이며, 3456X2160 해상도, 16:10 화면 비율, 그리고 매우 선명하고 정확한 색상을 갖추고 있어 좋다. 

3. 최고의 듀얼 모니터 지원, 에이수스 젠북 프로 14 듀오 올레드


• 놀라운 기본 디스플레이와 보기 쉬운 보조 디스플레이 
• 탁월한 I/O 옵션 및 무선 연결
• 콘텐츠 제작에 알맞은 CPU 및 GPU 성능 

• 생산성 노트북 치고는 부족한 배터리 수명
• 작고 어색하게 배치된 트랙패드
• 닿기 어려운 포트 위치

에이수스 젠북 프로 14 듀오(Asus Zenbook Pro 14 Duo OLED)는 일반적이지 않은 노트북이다. 일단 사양은 코어 i7 프로세서, 지포스 RTX 3050 그래픽, 16GB DDR5 메모리, 빠른 1TB NVMe SSD를 포함해 상당한 성능을 자랑한다. 또한 초광도의 547니트로 빛을 발하는 한편 DCI-P3 색영역의 100%를 커버하는 14.5인치 4K 터치 OLED 패널을 갖추고 있다. 사실상 콘텐츠 제작자를 위해 만들어진 제품이라 볼 수 있다.

가장 흥미로운 부분은 키보드 바로 위에 위치한 12.7인치 2880×864 스크린이다. 윈도우에서는 해당 모니터를 보조 모니터로 간주하며, 사용자는 번들로 제공된 에이수스 소프트웨어를 사용해 트랙패드로 사용하거나 어도비 앱을 위한 터치 제어 패널을 표시할 수 있다. 어떤 작업이든 유용하게 써먹을 수 있다.

젠북 프로 14 듀오 올레드는 기본적으로 휴대용이자 중간급 워크스테이션이다. 단, 배터리 수명은 평균 수준이기 때문에 중요한 작업 수행이 필요한 경우, 반드시 충전 케이블을 가지고 다녀야 한다. 그럼에도 불구하고 젠북 프로 14 듀오 올레드는 3D 렌더링 및 인코딩과 같은 작업에서 탁월한 성능을 보여 콘텐츠 제작자들에게 맞춤화 된 컴퓨터이다. 듀얼 스크린은 역대 최고의 기능이다.

4. 영상 편집하기 좋은 포터블 노트북, 레이저 블레이드 14(2021)


• AAA 게임에서 뛰어난 성능
• 훌륭한 QHD 패널
• 유난히 적은 소음 

• 700g으로 무거운 AC 어댑터
• 비싼 가격
• 썬더볼트 4 미지원

휴대성이 핵심 고려 사항이라면, 레이저 블레이드 14(Razer Blade 14) (2021)를 선택해 보자. 노트북 두께는 1.5cm, 무게는 1.7kg에 불과해 비슷한 수준의 노트북보다 훨씬 가볍다. 사양은 AMD의 8-코어 라이젠 9 5900HX CPU, 엔비디아의 8GB 지포스 RTX 3080, 1TB NVMe SSD, 16GB 메모리를 탑재하고 있어 사양도 매우 좋다. 

그러나 휴대성을 대가로 몇 가지 이점을 포기해야 할 수 있다. 일단 14인치 IPS 등급 스크린은 공장에서 보정된 상태로 제공되지만, 최대 해상도는 2560×1440다. 또 풀 DCI-P3 색영역을 지원하지만 4K 영상 편집은 불가능하다. 거기에 레이저 블레이드 14는 SD 카드 슬롯도 없다. 다만 편집 및 렌더링을 위한 강력한 성능을 갖추고 있고 가방에 쉽게 넣을 수 있는 제품인 것은 분명하다. 

5. 배터리 수명이 긴 노트북, 델 인스피론 16

ⓒ Dell

• 넉넉한 16인치 16:10 디스플레이
• 긴 배터리 수명
• 경쟁력 있는 애플리케이션 성능 
• 편안한 키보드 및 거대한 터치패드 
• 쿼드 스피커(Quad speakers)

• GPU 업그레이드 어려움
• 512GB SSD 초과 불가
• 태블릿 모드에서는 어색하게 느껴질 수 있는 큰 스크린 

긴 배터리 수명을 가장 최우선으로 고려한다면, 델 인스피론 16(Dell Inspiron 16)을 살펴보자. 콘텐츠 제작 작업을 하며테스트해보니, 인스피론 16은 한 번 충전으로 16.5시간 동안 이용할 수 있다. 외부에서 작업을 마음껏 편집할 수 있는 시간이다. 그러나 무거운 배터리로 인해 무게가 2.1 kg에 달하므로 갖고 다니기에 적합한 제품은 아니다. 

가격은 저렴한 편이나 몇 가지 단점이 있다. 일단 인텔 코어 i7-1260P CPU, 인텔 아이리스 Xe 그래픽, 16GB 램, 512GB SSD 스토리지를 탑재하고 있다. 이 정도 사양으로 영상 편집 프로젝트 대부분을 작업할 수 있으나, 스토리지 용량이 부족하기 때문에 영상 파일을 저장할 경우 외장 드라이브가 필요하다. 그러나 델 인스피론 16이 진정으로 빛을 발하는 부분은 단연 배터리 수명이다. 또한 강력한 쿼드 스피커 시스템도 사용해 보면 만족할 것이다. 포트의 경우, USB 타입-C 2개, USB-A 3.2 Gen 1 1개, HDMI 1개, SD 카드 리더 1개, 3.5mm 오디오 잭 1개가 제공된다. 

6. 게이밍과 영상 편집 모두에 적합한 노트북, MSI GE76 레이더


• 뛰어난 성능을 발휘하는 12세대 코어 i9-12900HK
• 팬 소음을 크게 줄이는 AI 성능 모드
• 1080p 웹캠과 훌륭한 마이크 및 오디오로 우수한 화상 회의 경험 제공

• 동일한 유형의 세 번째 버전
• 어수선한 UI
• 비싼 가격 

사양이 제일 좋은 제품을 찾고 있을 경우, 크고 무거운 게이밍 노트북을 선택해 보자. MSI GE76 레이더(Raider)는 강력한 14-코어 인텔 코어 i9-12900HK 칩, 175와트의 엔비디아 RTX 3080 Ti가 탑재됐고, 충분한 내부 냉각 성능 덕분에 UL의 프로시온(Procyon) 벤치마크의 어도비 프리미어 테스트에서 다른 노트북보다 훨씬 뛰어난 성능을 보였다. MSI GE76 레이더는 심지어 고속 카드 전송을 위해 PCle 버스에 연결된 SD 익스프레스(SD Express) 카드 리더도 갖추고 있다.

동일한 제품의 작년 모델은 게이머 중심의 360Hz 1080p 디스플레이를 지원한다. 영상 편집 과정에서는 그닥 이상적이지 않은 사양이다. 그러나 2022년의 12UHS 고급 버전은 4K, 120Hz 패널을 추가했는데, 이 패널은 콘텐츠 생성에 맞춰 튜닝 되지는 않았으나 17.3인치의 넓은 스크린 크기이기에 영상 편집자에게 꽤 유용하다. 

7. 가성비 좋은 노트북, HP 엔비 14t-eb000(2021) 


• 높은 가격 대비 우수한 성능
• 환상적인 배터리 수명
• 성능 조절이 감지되지 않을 정도의 저소음 팬 
• 썬더볼트 4 지원

• 약간 특이한 키보드 레이아웃
• 비효율적인 웹캠의 시그니처 기능

가장 빠른 영상 편집 및 렌더링을 원할 경우 하드웨어에 더 많은 비용을 들여야 하지만, 예산이 넉넉하지 않을 때가 있다. 이때 HP 엔비(Envy) 14 14t-eb000) (2021)를 이용해보면 좋다. 가격은 상대적으로 저렴한 편이고 견고한 기본 컨텐츠 제작에 유용하다. 

엔트리 레벨의 지포스 GTX 1650 Ti GPU 및 코어 i5-1135G7 프로세서는 그 자체로 업계 최고 제품은 아니다. 하지만 일반적인 편집 작업을 충분히 수행할 수 있는 사양이다. 분명 가성비 좋은 제품이다. 14인치 1900×1200 디스플레이는 16:10 화면 비율로 생산성을 향상하고, 공장 색 보정과 DCI-P3는 지원하지 않지만 100% sRGB 지원을 제공한다. 그뿐만 아니라, HP 엔비 14의 경우 중요한 SD 카드 및 썬더볼트 포트가 포함되며, 놀라울 정도로 조용하게 실행된다. 

8. 컨텐츠 제작에 알맞은 또다른 게이밍 노트북, 에이수스 ROG 제피러스 S17

• 뛰어난 CPU 및 GPU 성능
• 강력하고 혁신적인 디자인
• 편안한 맞춤형 키보드

• 약간의 압력이 필요한 트랙패드
• 상당히 높은 가격

에이수스 ROG 제피러스(Zephyrus) S17은 영상 편집자의 궁극적인 꿈이다. 이 노트북은 초고속 GPU 및 CPU 성능과 함께 120Hz 화면 재생률을 갖춘 놀라운 17.3인치 4K 디스플레이를 탑재하고 있다. 견고한 전면 금속 섀시, 6개의 스피커 사운드 시스템 및 맞춤형 키보드는 프리미엄급 경험을 더욱 향상한다. 거기다 SD 카드 슬롯 및 풍부한 썬더볼트 포트가 포함되어 있어 더욱 좋다. 그러나 이를 위해 상당한 비용을 지불해야 한다. 예산이 넉넉하고 최상의 제품을 원한다면 제피루스 S17을 선택하면 된다. 

9. 강력한 휴대성을 가진 노트북, XPG 제니아 15 KC 

ⓒ XPG 

• 가벼운 무게
• 조용함
• 상대적으로 빠른 속도

• 중간 수준 이하의 RGB
• 평범한 오디오 성능
• 느린 SD 카드 리더 

사양이 좋은 노트북의 경우, 대부분 부피가 크고 무거워서 종종 2.2kg 또는 2.7kg를 넘기도 한다. XPG 제니아 15 KC(XPG Xenia 15 KC)만은 예외다. XPG 제니아 15 KC의 무게는 1.8kg가 조금 넘는 수준으로, 타제품에 비해 상당히 가볍다. 또한 소음도 별로 없다. 원래 게이밍 노트북 자체가 소음이 크기에 비교해보면 큰 장점이 될 수 있다. 1440p 디스플레이와 상대적으로 느린 SD 카드 리더 성능으로 인해 일부 콘텐츠 제작자들이 구매를 주저할 수 있으나, 조용하고 휴대하기 좋은 제품을 찾고 있다면 제니아 15 KC가 좋은 선택지다. 

영상 편집 노트북 구매 시 고려 사항

영상 편집 노트북 구매 시 고려해야 할 가장 중요한 사항은 CPU 및 GPU다. 하드웨어가 빨라질수록 편집 속도도 빨라진다. 필자는 UL 프로시온 영상 편집 테스트(UL Procyon Video Editing Test)를 통해 속도를 테스트해보았다. 이 벤치마크는 2개의 서로 다른 영상 프로젝트를 가져와 색상 그레이딩 및 전환과 같은 시각적 효과를 적용한 다음, 1080p와 4K 모두에서 H.264, H.265를 사용해 내보내는 작업을 어도비 프리미어가 수행하도록 한다. 

ⓒ Gordon Mah Ung / IDG

성능은 인텔의 11세대 프로세서를 실행하는 크고 무거운 노트북에서 가장 높았고, AMD의 비피 라이젠 9(beefy Ryzen 9) 프로세서를 탑재한 노트북이 바로 뒤를 이었다. 10세대 인텔 칩은 여전히 상당한 점수를 기록하고 있다. 위의 차트에는 없으나 새로운 인텔 12세대 노트북은 더 빨리 실행된다. 최고 성능의 노트북은 모두 최신 인텔 CPU 및 엔비디아의 RTX 30 시리즈 GPU를 결합했는데, 두 기업 모두 어도비 성능 최적화에 많은 시간 및 리소스를 투자했기 때문에 놀라운 일은 아니다. 

GPU는 어도비 프리미어 프로에서 CPU보다 더 중요하지만, 매우 빠르게 수확체감 지점에 다다른다. 최고급 RTX 3080 그래픽을 사용하는 노트북은 RTX 3060 그래픽을 사용하는 노트북보다 영상 편집 속도가 더 빠르나, 속도 차이가 크지는 않다. 델 XPS 17 9710의 점수를 살펴보면, 지포스 RTX 3060 노트북 GPU는 MSI GE76 레이더의 가장 빠른 RTX 3080보다 14% 더 느릴 수 있다. 특히 GE76 레이더가 델 노트북에 비해 얼마나 더 크고 두꺼운지를 고려할 때 수치가 크지는 않다.

일반적으로 그래픽과 영상 편집을 위해 적어도 RTX 3060을 갖추는 것을 권장한다. 그러나 영상 편집은 워크플로에 크게 의존한다. 특정 작업 및 도구는 CPU 집약적이거나 프리미어보다 GPU에 더 의존할 수 있다. 이 경우 원하는 요소의 우선순위를 조정하길 바란다. 앞서 언급한 목록은 기본적으로 여러 요소를 종합적으로 고려해서 만든 내용이다.

인텔 및 엔비디아는 각각 퀵 싱크(Quick Sync) 및 쿠다(CUDA)와 같은 도구를 구축하는 데 수년을 보냈고, 이로 인해 많은 영상 편집 앱의 속도는 크게 향상될 수 있다. AMD 하드웨어는 영상 편집에 적합하나 특히 워크플로가 공급업체별 소프트웨어 최적화에 의존하는 경우, 특별한 이유가 없는 한 인텔 및 엔비디아를 사용하는 것을 추천한다. 

영상 촬영 ⓒ Gordon Mah Ung/IDG

그러나 내부 기능만 신경 써서는 안된다. PC월드의 영상 디렉터인 아담 패트릭 머레이는 “영상 편집에 이상적인 노트북에는 카메라로 촬영 중 영상 파일을 저장하는 SD 카드 리더가 포함되어 있다”라고 강조한다. 또한 머레이는 영상 편집에 이상적인 게임용 노트북에서 흔히 볼 수 있는 초고속 1080p 패널보다 4k, 60Hz 패널을 갖춘 노트북을 선택할 것을 추천한다.

4K 영상을 잘 편집하려면 4K 패널이 필요하며, 초고속 화면 재생률은 게임에서처럼 영상 편집에는 아무런 의미가 없다. 예를 들어, 개인 유튜브 채널용으로 일상적인 영상만 만드는 경우 색상 정확도가 중요하지 않을 수 있다. 그러나 색상 정확도가 중요할 경우, 델타 E < 2 색상 정확도와 더불어 DCI-P3 색 영역 지원은 필수적이다. 

게임용 노트북은 사양이 좋지만 콘텐츠 제작용으로는 조금 부족해 보일 수 있다. 게임용과 콘텐츠 제작용으로 함께 쓰는 노트북을 원한다면, 게임용으로 노트북 한 대를 구매하고, 색상을 정확히 파악하기 위한 모니터를 추가로 구매하는 것도 방법이다.


그래픽 카드

AMD FirePro Naver Shopping 검색 결과

2021-12-15 기준

현재 NVIDIA Quadro pro graphic card : 네이버 쇼핑 (

코어가 많은 그래픽카드의 경우 가격이 상상 이상으로 높습니다. 빠르면 빠를수록 좋겠지만 어디까지나 예산에 맞춰 구매를 해야 하는 현실을 감안할 수 밖에 없는 것 같습니다.

한가지 유의할 점은 엔비디아의 GTX 게이밍 하드웨어는 모델에 따라 다르기는 하지만, 볼륨 렌더링의 속도가 느리거나 오동작 등 몇 가지 제한 사항이 있습니다. 일반적으로 노트북에 내장된 통합 그래픽 카드보다는 개별 그래픽 카드를 강력하게 추천합니다. 최소한 그래픽 메모리는 512MB 이상이어야 하고 1GB이상을 권장합니다.

2021-12-15 현재 그래픽카드의 성능 순위는 위와 다음과 같습니다.

주요 Notebook

출시된 모든 그래픽 카드가 노트북용으로 장착되어 출시되지는 않기 때문에, 현재 오픈마켓 검색서비스를 제공하는 네이버에서 Lenovo Quadro 그래픽카드를 사용하는 노트북을 검색하면 아래와 같습니다. 검색 시점에 따라 상위 그래픽카드를 장착한 노트북의 대략적인 가격을 볼 수 있을 것입니다.

<검색 방법>
네이버 쇼핑 검색 키워드 : 컴퓨터 제조사 + 그래픽카드 모델 + NoteBook 형태로 검색
Lenovo quadro notebook or HP quadro notebook 또는 Lenovo firepro notebook or HP firepro notebook

( 2021-12-15기준)

대부분 검색 시점에 따라 최신 CPU와 최신 그래픽카드를 선택하여 검색을 하면 예산에 적당한 노트북을 자신에게 맞는 최상의 노트북을 어렵지 않게 선택할 수 있습니다.

(주)에스티아이씨앤디 솔루션사업부

Numerical analysis of energy dissipator options using computational fluid dynamics modeling — a case study of Mirani Dam

전산 유체 역학 모델링을 사용한 에너지 소산자 옵션의 수치적 해석 — Mirani 댐의 사례 연구

Arabian Journal of Geosciences volume 15, Article number: 1614 (2022) Cite this article


이 연구에서 FLOW 3D 전산 유체 역학(CFD) 소프트웨어를 사용하여 파키스탄 Mirani 댐 방수로에 대한 에너지 소산 옵션으로 미국 매립지(USBR) 유형 II 및 USBR 유형 III 유역의 성능을 추정했습니다. 3D Reynolds 평균 Navier-Stokes 방정식이 해결되었으며, 여기에는 여수로 위의 자유 표면 흐름을 캡처하기 위해 공기 유입, 밀도 평가 및 드리프트-플럭스에 대한 하위 그리드 모델이 포함되었습니다. 본 연구에서는 5가지 모델을 고려하였다. 첫 번째 모델에는 길이가 39.5m인 USBR 유형 II 정수기가 있습니다. 두 번째 모델에는 길이가 44.2m인 USBR 유형 II 정수기가 있습니다. 3번째와 4 번째모델에는 길이가 각각 48.8m인 USBR 유형 II 정수조와 39.5m의 USBR 유형 III 정수조가 있습니다. 다섯 번째 모델은 네 번째 모델과 동일하지만 마찰 및 슈트 블록 높이가 0.3m 증가했습니다. 최상의 FLOW 3D 모델 조건을 설정하기 위해 메쉬 민감도 분석을 수행했으며 메쉬 크기 0.9m에서 최소 오차를 산출했습니다. 세 가지 경계 조건 세트가 테스트되었으며 최소 오류를 제공하는 세트가 사용되었습니다. 수치적 검증은 USBR 유형 II( L = 48.8m), USBR 유형 III( L = 35.5m) 및 USBR 유형 III 의 물리적 모델 에너지 소산을 0.3m 블록 단위로 비교하여 수행되었습니다( L= 35.5m). 통계 분석 결과 평균 오차는 2.5%, RMSE(제곱 평균 제곱근 오차) 지수는 3% 미만이었습니다. 수리학적 및 경제성 분석을 바탕으로 4 번째 모델이 최적화된 에너지 소산기로 밝혀졌습니다. 흡수된 에너지 백분율 측면에서 물리적 모델과 수치적 모델 간의 최대 차이는 5% 미만인 것으로 나타났습니다.

In this study, the FLOW 3D computational fluid dynamics (CFD) software was used to estimate the performance of the United States Bureau of Reclamation (USBR) type II and USBR type III stilling basins as energy dissipation options for the Mirani Dam spillway, Pakistan. The 3D Reynolds-averaged Navier–Stokes equations were solved, which included sub-grid models for air entrainment, density evaluation, and drift–flux, to capture free-surface flow over the spillway. Five models were considered in this research. The first model has a USBR type II stilling basin with a length of 39.5 m. The second model has a USBR type II stilling basin with a length of 44.2 m. The 3rd and 4th models have a USBR type II stilling basin with a length of 48.8 m and a 39.5 m USBR type III stilling basin, respectively. The fifth model is identical to the fourth, but the friction and chute block heights have been increased by 0.3 m. To set up the best FLOW 3D model conditions, mesh sensitivity analysis was performed, which yielded a minimum error at a mesh size of 0.9 m. Three sets of boundary conditions were tested and the set that gave the minimum error was employed. Numerical validation was done by comparing the physical model energy dissipation of USBR type II (L = 48.8 m), USBR type III (L =35.5 m), and USBR type III with 0.3-m increments in blocks (L = 35.5 m). The statistical analysis gave an average error of 2.5% and a RMSE (root mean square error) index of less than 3%. Based on hydraulics and economic analysis, the 4th model was found to be an optimized energy dissipator. The maximum difference between the physical and numerical models in terms of percentage energy absorbed was found to be less than 5%.


  • Numerical modeling
  • Spillway
  • Hydraulic jump
  • Energy dissipation
  • FLOW 3D


  • Abbasi S, Fatemi S, Ghaderi A, Di Francesco S (2021) The effect of geometric parameters of the antivortex on a triangular labyrinth side weir. Water (Switzerland) 13(1).
  • Amorim JCC, Amante RCR, Barbosa VD (2015) Experimental and numerical modeling of flow in a stilling basin. Proceedings of the 36th IAHR World Congress 28 June–3 July, the Hague, the Netherlands, 1, 1–6
  • Asaram D, Deepamkar G, Singh G, Vishal K, Akshay K (2016) Energy dissipation by using different slopes of ogee spillway. Int J Eng Res Gen Sci 4(3):18–22Google Scholar 
  • Boes RM, Hager WH (2003) Hydraulic design of stepped spillways. J Hydraul Eng 129(9):671–679. Google Scholar 
  • Celik IB, Ghia U, Roache PJ, Freitas CJ, Coleman H, Raad PE (2008) Procedure for estimation and reporting of uncertainty due to discretization in CFD applications. J Fluids Eng Trans ASME 130(7):0780011–0780014. Google Scholar 
  • Chen Q, Dai G, Liu H (2002) Volume of fluid model for turbulence numerical simulation of stepped spillway overflow. J Hydraul Eng 128(7):683–688. 10.1061/共ASCE兲0733-9429共2002兲128:7共683兲 CE
  • Damiron R (2015) CFD modelling of dam spillway aerator. Lund University Sweden
  • Dunlop SL, Willig IA, Paul GE (2016) Cabinet Gorge Dam spillway modifications for TDG abatement – design evolution and field performance. 6th International Symposium on Hydraulic Structures: Hydraulic Structures and Water System Management, ISHS 2016, 3650628160, 460–470. 10.15142/T3650628160853
  • Fleit G, Baranya S, Bihs H (2018) CFD modeling of varied flow conditions over an ogee-weir. Period Polytech Civ Eng 62(1):26–32. Google Scholar 
  • Frizell KW, Frizell KH (2015) Guidelines for hydraulic design of stepped spillways. Hydraulic Laboratory Report HL-2015-06, May
  • Ghaderi A, Abbasi S (2021) Experimental and numerical study of the effects of geometric appendance elements on energy dissipation over stepped spillway. Water (Switzerland) 13(7).
  • Ghaderi A, Dasineh M, Aristodemo F, Ghahramanzadeh A (2020) Characteristics of free and submerged hydraulic jumps over different macroroughnesses. J Hydroinform 22(6):1554–1572. Google Scholar 
  • Güven A, Mahmood AH (2021) Numerical investigation of flow characteristics over stepped spillways. Water Sci Technol Water Supply 21(3):1344–1355. Google Scholar 
  • Herrera-Granados O, Kostecki SW (2016) Numerical and physical modeling of water flow over the ogee weir of the new Niedów barrage. J Hydrol Hydromech 64(1):67–74. Google Scholar 
  • Ho DKH, Riddette KM (2010) Application of computational fluid dynamics to evaluate hydraulic performance of spillways in australia. Aust J Civ Eng 6(1):81–104. Google Scholar 
  • Kocaer Ö, Yarar A (2020) Experimental and numerical investigation of flow over ogee spillway. Water Resour Manag 34(13):3949–3965. Google Scholar 
  • Kumcu SY (2017) Investigation of flow over spillway modeling and comparison between experimental data and CFD analysis. KSCE J Civ Eng 21(3):994–1003. Google Scholar 
  • Li S, Li Q, Yang J (2019) CFD modelling of a stepped spillway with various step layouts. Math Prob Eng 2019:1–12. Google Scholar 
  • Muthukumaran N, Prince Arulraj G (2020) Experimental investigation on augmenting the discharge over ogee spillways with nanocement. Civ Eng Archit 8(5):838–845. Google Scholar 
  • Naderi V, Farsadizadeh D, Lin C, Gaskin S (2019) A 3D study of an air-core vortex using HSPIV and flow visualization. Arab J Sci Eng 44(10):8573–8584. Google Scholar 
  • Nangare PB, Kote AS (2017) Experimental investigation of an ogee stepped spillway with plain and slotted roller bucket for energy dissipation. Int J Civ Eng Technol 8(8):1549–1555Google Scholar 
  • Parsaie A, Moradinejad A, Haghiabi AH (2018) Numerical modeling of flow pattern in spillway approach channel. Jordan J Civ Eng 12(1):1–9Google Scholar 
  • Pasbani Khiavi M, Ali Ghorbani M, Yusefi M (2021) Numerical investigation of the energy dissipation process in stepped spillways using finite volume method. J Irrig Water Eng 11(4):22–37Google Scholar 
  • Peng Y, Zhang X, Yuan H, Li X, Xie C, Yang S, Bai Z (2019) Energy dissipation in stepped spillways with different horizontal face angles. Energies 12(23).
  • Raza A, Wan W, Mehmood K (2021) Stepped spillway slope effect on air entrainment and inception point location. Water (Switzerland) 13(10).
  • Reeve DE, Zuhaira AA, Karunarathna H (2019) Computational investigation of hydraulic performance variation with geometry in gabion stepped spillways. Water Sci Eng 12(1):62–72. Google Scholar 
  • Rice CE, Kadavy KC (1996) Model study of a roller compacted concrete stepped spillway. J Hydraul Eng 122(6):292–297. Google Scholar 
  • Rong Y, Zhang T, Peng L, Feng P (2019) Three-dimensional numerical simulation of dam discharge and flood routing in Wudu reservoir. Water (Switzerland) 11(10).
  • Saqib N, Akbar M, Pan H, Ou G, Mohsin M, Ali A, Amin A (2022) Numerical analysis of pressure profiles and energy dissipation across stepped spillways having curved risers. Appl Sci 12(448):1–18Google Scholar 
  • Saqib N, Ansari K, Babar M (2021) Analysis of pressure profiles and energy dissipation across stepped spillways having curved treads using computational fluid dynamics. Intl Conf Adv Mech Eng :1–10
  • Saqib Nu, Akbar M, Huali P, Guoqiang O (2022) Numerical investigation of pressure profiles and energy dissipation across the stepped spillway having curved treads using FLOW 3D. Arab J Geosci 15(1):1363–1400. Google Scholar 
  • Sarkardeh H, Marosi M, Roshan R (2015) Stepped spillway optimization through numerical and physical modeling. Int J Energy Environ 6(6):597–606Google Scholar 
  • Serafeim A, Avgeris V, Hrissanthou V (2015) Experimental and numerical modeling of flow over a spillway. Eur Water Publ 14(2015):55–59. Google Scholar 
  • Sorensen RM (1986) Stepped spillway model investigation. J Hydraul Eng I(12):1461–1472.
  • Tabbara M, Chatila J, Awwad R (2005) Computational simulation of flow over stepped spillways. Comput Struct 83(27):2215–2224. Google Scholar 
  • Valero D, Bung DB, Crookston BM, Matos J (2016) Numerical investigation of USBR type III stilling basin performance downstream of smooth and stepped spillways. 6th International Symposium on Hydraulic Structures: Hydraulic Structures and Water System Management, ISHS 2016, 3406281608, 635–646.
  • Versteeg H, Malalasekera W (1979) An introduction to computational fluid mechanics. (Vol. 2).
  • WAPDA model studies cell, IRI Lahore (2003) Mirani Dam Project hydraulic model studies for the spillway. November 2003
  • Yakhot V, Orszag S (1986) Renormalization group analysis of turbulence. I. Basic theory. J Sci Comput 1(1):3–51Article Google Scholar 

이종 금속 인터커넥트의 펄스 레이저 용접을 위한 가공 매개변수 최적화

Optimization of processing parameters for pulsed laser welding of dissimilar metal interconnects

본 논문은 독자의 편의를 위해 기계번역된 내용이어서 자세한 내용은 원문을 참고하시기 바랍니다.

NguyenThi TienaYu-LungLoabM.Mohsin RazaaCheng-YenChencChi-PinChiuc

aNational Cheng Kung University, Department of Mechanical Engineering, Tainan, Taiwan

bNational Cheng Kung University, Academy of Innovative Semiconductor and Sustainable Manufacturing, Tainan, Taiwan

cJum-bo Co., Ltd, Xinshi District, Tainan, Taiwan


워블 전략이 포함된 펄스 레이저 용접(PLW) 방법을 사용하여 알루미늄 및 구리 이종 랩 조인트의 제조를 위한 최적의 가공 매개변수에 대해 실험 및 수치 조사가 수행됩니다. 피크 레이저 출력과 접선 용접 속도의 대표적인 조합 43개를 선택하기 위해 원형 패킹 설계 알고리즘이 먼저 사용됩니다.

선택한 매개변수는 PLW 프로세스의 전산유체역학(CFD) 모델에 제공되어 용융 풀 형상(즉, 인터페이스 폭 및 침투 깊이) 및 구리 농도를 예측합니다. 시뮬레이션 결과는 설계 공간 내에서 PLW 매개변수의 모든 조합에 대한 용융 풀 형상 및 구리 농도를 예측하기 위해 3개의 대리 모델을 교육하는 데 사용됩니다.

마지막으로, 대체 모델을 사용하여 구성된 처리 맵은 용융 영역에 균열이나 기공이 없고 향상된 기계적 및 전기적 특성이 있는 이종 조인트를 생성하는 PLW 매개변수를 결정하기 위해 세 가지 품질 기준에 따라 필터링됩니다.

제안된 최적화 접근법의 타당성은 최적의 용접 매개변수를 사용하여 생성된 실험 샘플의 전단 강도, 금속간 화합물(IMC) 형성 및 전기 접촉 저항을 평가하여 입증됩니다.

결과는 최적의 매개변수가 1209N의 높은 전단 강도와 86µΩ의 낮은 전기 접촉 저항을 생성함을 확인합니다. 또한 용융 영역에는 균열 및 기공과 같은 결함이 없습니다.

An experimental and numerical investigation is performed into the optimal processing parameters for the fabrication of aluminum and copper dissimilar lap joints using a pulsed laser welding (PLW) method with a wobble strategy. A circle packing design algorithm is first employed to select 43 representative combinations of the peak laser power and tangential welding speed. The selected parameters are then supplied to a computational fluidic dynamics (CFD) model of the PLW process to predict the melt pool geometry (i.e., interface width and penetration depth) and copper concentration. The simulation results are used to train three surrogate models to predict the melt pool geometry and copper concentration for any combination of the PLW parameters within the design space. Finally, the processing maps constructed using the surrogate models are filtered in accordance with three quality criteria to determine the PLW parameters that produce dissimilar joints with no cracks or pores in the fusion zone and enhanced mechanical and electrical properties. The validity of the proposed optimization approach is demonstrated by evaluating the shear strength, intermetallic compound (IMC) formation, and electrical contact resistance of experimental samples produced using the optimal welding parameters. The results confirm that the optimal parameters yield a high shear strength of 1209 N and a low electrical contact resistance of 86 µΩ. Moreover, the fusion zone is free of defects, such as cracks and pores.

Fig. 1. Schematic illustration of Al-Cu lap-joint arrangement
Fig. 1. Schematic illustration of Al-Cu lap-joint arrangement
Fig. 2. Machine setup (MFQS-150W_1500W
Fig. 2. Machine setup (MFQS-150W_1500W
Fig. 5. Lap-shear mechanical tests: (a) experimental setup and specimen dimensions, and (b) two different failures of lap-joint welding.
N. Thi Tien et al.
Fig. 5. Lap-shear mechanical tests: (a) experimental setup and specimen dimensions, and (b) two different failures of lap-joint welding. N. Thi Tien et al.
Fig. 9. Simulation and experimental results for melt pool profile. (a) Simulation results for melt pool cross-section, and (b) OM image of melt pool cross-section.
(Note that laser processing parameter of 830 W and 565 mm/s is chosen.).
Fig. 9. Simulation and experimental results for melt pool profile. (a) Simulation results for melt pool cross-section, and (b) OM image of melt pool cross-section. (Note that laser processing parameter of 830 W and 565 mm/s is chosen.).



G. Santos

Road transport and CO2 emissions: What are the challenges?

Transport Policy, 59 (2017), pp. 71-74

ArticleDownload PDFView Record in ScopusGoogle Scholar[2]

A. Das, D. Li, D. Williams, D. Greenwood

Joining technologies for automotive battery systems manufacturing

World Electric Veh. J., 9 (2) (2018), p. 22 View PDF

CrossRefGoogle Scholar[3]

M. Zwicker, M. Moghadam, W. Zhang, C. Nielsen

Automotive battery pack manufacturing–a review of battery to tab joining

J. Adv. Joining Process., 1 (2020), Article 100017

ArticleDownload PDFView Record in ScopusGoogle Scholar[4]

T. Mai, A. Spowage

Characterisation of dissimilar joints in laser welding of steel–kovar, copper–steel and copper–aluminium

Mater. Sci. Eng. A, 374 (1–2) (2004), pp. 224-233

ArticleDownload PDFView Record in ScopusGoogle Scholar[5]

S.S. Lee, T.H. Kim, S.J. Hu, W.W. Cai, J. Li, J.A. Abell

Characterization of joint quality in ultrasonic welding of battery tabs

International Manufacturing Science and Engineering Conference, vol. 54990, American Society of Mechanical Engineers (2012), pp. 249-261

Google Scholar[6]

Y. Zhou, P. Gorman, W. Tan, K. Ely

Weldability of thin sheet metals during small-scale resistance spot welding using an alternating-current power supply

J. Electron. Mater., 29 (9) (2000), pp. 1090-1099 View PDF

CrossRefView Record in ScopusGoogle Scholar[7]

S. Katayama

Handbook of laser welding technologies

Elsevier (2013)

Google Scholar[8]

A. Sadeghian, N. Iqbal

A review on dissimilar laser welding of steel-copper, steel-aluminum, aluminum-copper, and steel-nickel for electric vehicle battery manufacturing

Opt. Laser Technol., 146 (2022), Article 107595

ArticleDownload PDFView Record in ScopusGoogle Scholar[9]

M.J. Brand, P.A. Schmidt, M.F. Zaeh, A. Jossen

Welding techniques for battery cells and resulting electrical contact resistances

J. Storage Mater., 1 (2015), pp. 7-14

ArticleDownload PDFView Record in ScopusGoogle Scholar[10]

M. Jarwitz, F. Fetzer, R. Weber, T. Graf

Weld seam geometry and electrical resistance of laser-welded, aluminum-copper dissimilar joints produced with spatial beam oscillation

Metals, 8 (7) (2018), p. 510 View PDF

CrossRefView Record in ScopusGoogle Scholar[11]S. Smith, J. Blackburn, M. Gittos, P. de Bono, and P. Hilton, “Welding of dissimilar metallic materials using a scanned laser beam,” in International Congress on Applications of Lasers & Electro-Optics, 2013, vol. 2013, no. 1: Laser Institute of America, pp. 493-502.

Google Scholar[12]

P. Schmitz, J.B. Habedank, M.F. Zaeh

Spike laser welding for the electrical connection of cylindrical lithium-ion batteries

J. Laser Appl., 30 (1) (2018), Article 012004 View PDF

CrossRefView Record in ScopusGoogle Scholar[13]

P. Kah, C. Vimalraj, J. Martikainen, R. Suoranta

Factors influencing Al-Cu weld properties by intermetallic compound formation

Int. J. Mech. Mater. Eng., 10 (1) (2015), pp. 1-13

Google Scholar[14]

Z. Lei, X. Zhang, J. Liu, P. Li

Interfacial microstructure and reaction mechanism with various weld fillers on laser welding-brazing of Al/Cu lap joint

J. Manuf. Process., 67 (2021), pp. 226-240

ArticleDownload PDFView Record in ScopusGoogle Scholar[15]

T. Solchenbach, P. Plapper

Mechanical characteristics of laser braze-welded aluminium–copper connections

Opt. Laser Technol., 54 (2013), pp. 249-256

ArticleDownload PDFView Record in ScopusGoogle Scholar[16]

T. Solchenbach, P. Plapper, W. Cai

Electrical performance of laser braze-welded aluminum–copper interconnects

J. Manuf. Process., 16 (2) (2014), pp. 183-189

ArticleDownload PDFView Record in ScopusGoogle Scholar[17]

S.J. Lee, H. Nakamura, Y. Kawahito, S. Katayama

Effect of welding speed on microstructural and mechanical properties of laser lap weld joints in dissimilar Al and Cu sheets

Sci. Technol. Weld. Join., 19 (2) (2014), pp. 111-118

Google Scholar[18]

Z. Xue, S. Hu, D. Zuo, W. Cai, D. Lee, K.-A. Elijah Jr

Molten pool characterization of laser lap welded copper and aluminum

J. Phys. D Appl. Phys., 46 (49) (2013), Article 495501 View PDF

CrossRefView Record in ScopusGoogle Scholar[19]

S. Zhao, G. Yu, X. He, Y. Zhang, W. Ning

Numerical simulation and experimental investigation of laser overlap welding of Ti6Al4V and 42CrMo

J. Mater. Process. Technol., 211 (3) (2011), pp. 530-537

ArticleDownload PDFView Record in ScopusGoogle Scholar[20]

W. Huang, H. Wang, T. Rinker, W. Tan

Investigation of metal mixing in laser keyhole welding of dissimilar metals

Mater. Des., 195 (2020), Article 109056

ArticleDownload PDFView Record in ScopusGoogle Scholar[21]

E. Kaiser, G. Ambrosy, E. Papastathopoulos

Welding strategies for joining copper and aluminum by fast oscillating, high quality laser beam

High-Power Laser Materials Processing: Applications, Diagnostics, and Systems IX, vol. 11273, International Society for Optics and Photonics (2020), p. 112730C

View Record in ScopusGoogle Scholar[22]

V. Dimatteo, A. Ascari, A. Fortunato

Continuous laser welding with spatial beam oscillation of dissimilar thin sheet materials (Al-Cu and Cu-Al): Process optimization and characterization

J. Manuf. Process., 44 (2019), pp. 158-165

ArticleDownload PDFView Record in ScopusGoogle Scholar[23]

V. Dimatteo, A. Ascari, E. Liverani, A. Fortunato

Experimental investigation on the effect of spot diameter on continuous-wave laser welding of copper and aluminum thin sheets for battery manufacturing

Opt. Laser Technol., 145 (2022), Article 107495

ArticleDownload PDFView Record in ScopusGoogle Scholar[24]

D. Wu, X. Hua, F. Li, L. Huang

Understanding of spatter formation in fiber laser welding of 5083 aluminum alloy

Int. J. Heat Mass Transf., 113 (2017), pp. 730-740

ArticleDownload PDFView Record in ScopusGoogle Scholar[25]

R. Ducharme, K. Williams, P. Kapadia, J. Dowden, B. Steen, M. Glowacki

The laser welding of thin metal sheets: an integrated keyhole and weld pool model with supporting experiments

J. Phys. D Appl. Phys., 27 (8) (1994), p. 1619 View PDF

CrossRefView Record in ScopusGoogle Scholar[26]

C.W. Hirt, B.D. Nichols

Volume of fluid (VOF) method for the dynamics of free boundaries

J. Comput. Phys., 39 (1) (1981), pp. 201-225

ArticleDownload PDFGoogle Scholar[27]

W. Piekarska, M. Kubiak

Three-dimensional model for numerical analysis of thermal phenomena in laser–arc hybrid welding process

Int. J. Heat Mass Transf., 54 (23–24) (2011), pp. 4966-4974

ArticleDownload PDFView Record in ScopusGoogle Scholar[28]J. Zhou, H.-L. Tsai, and P.-C. Wang, “Transport phenomena and keyhole dynamics during pulsed laser welding,” 2006.

Google Scholar[29]

D. Harrison, D. Yan, S. Blairs

The surface tension of liquid copper

J. Chem. Thermodyn., 9 (12) (1977), pp. 1111-1119

ArticleDownload PDFView Record in ScopusGoogle Scholar[30]

M. Leitner, T. Leitner, A. Schmon, K. Aziz, G. Pottlacher

Thermophysical properties of liquid aluminum

Metall. Mater. Trans. A, 48 (6) (2017), pp. 3036-3045 View PDF

This article is free to access.

CrossRefView Record in ScopusGoogle Scholar[31]

H.-C. Tran, Y.-L. Lo

Systematic approach for determining optimal processing parameters to produce parts with high density in selective laser melting process

Int. J. Adv. Manuf. Technol., 105 (10) (2019), pp. 4443-4460 View PDF

CrossRefView Record in ScopusGoogle Scholar[32]A. Ascari, A. Fortunato, E. Liverani, and A. Lutey, “Application of different pulsed laser sources to dissimilar welding of Cu and Al alloys,” in Proceedings of Lasers in Manufacturing Conference (LIM), 2019.

Google Scholar[33]

A. Fortunato, A. Ascari

Laser welding of thin copper and aluminum sheets: feasibility and challenges in continuous-wave welding of dissimilar metals

Lasers in Manufacturing and Materials Processing, 6 (2) (2019), pp. 136-157 View PDF

CrossRefView Record in ScopusGoogle Scholar[34]

A. Boucherit, M.-N. Avettand-Fènoël, R. Taillard

Effect of a Zn interlayer on dissimilar FSSW of Al and Cu

Mater. Des., 124 (2017), pp. 87-99

ArticleDownload PDFView Record in ScopusGoogle Scholar[35]

N. Kumar, I. Masters, A. Das

In-depth evaluation of laser-welded similar and dissimilar material tab-to-busbar electrical interconnects for electric vehicle battery pack

J. Manuf. Process., 70 (2021), pp. 78-96

ArticleDownload PDFView Record in ScopusGoogle Scholar[36]

M. Abbasi, A.K. Taheri, M. Salehi

Growth rate of intermetallic compounds in Al/Cu bimetal produced by cold roll welding process

J. Alloy. Compd., 319 (1–2) (2001), pp. 233-241

ArticleDownload PDFGoogle Scholar[37]

D. Zuo, S. Hu, J. Shen, Z. Xue

Intermediate layer characterization and fracture behavior of laser-welded copper/aluminum metal joints

Mater. Des., 58 (2014), pp. 357-362

ArticleDownload PDFView Record in ScopusGoogle Scholar[38]

S. Yan, Y. Shi

Influence of Ni interlayer on microstructure and mechanical properties of laser welded joint of Al/Cu bimetal

J. Manuf. Process., 59 (2020), pp. 343-354

ArticleDownload PDFView Record in ScopusGoogle Scholar[39]

S. Yan, Y. Shi

Influence of laser power on microstructure and mechanical property of laser-welded Al/Cu dissimilar lap joints

J. Manuf. Process., 45 (2019), pp. 312-321

ArticleDownload PDFView Record in ScopusGoogle Scholar

Fig. 8 Distribution of solidification properties on the yz cross section at the maximum width of the melt pool.(a) thermal gradient G, (b) solidification velocity vT, (c) cooling rate G×vT, and (d) morphology factor G/vT. These profiles are calculated with a laser power 300 W and velocity 400 mm/s using (a1 through d1) analytical Rosenthal simulation and (a2 through d2) high-fidelity CFD simulation. The laser is moving out of the page from the upper left corner of each color map (Color figure online)

Quantifying Equiaxed vs Epitaxial Solidification in Laser Melting of CMSX-4 Single Crystal Superalloy

CMSX -4 단결정 초합금의 레이저 용융에서 등축 응고와 에피택셜 응고 정량화

본 논문은 독자의 편의를 위해 기계번역된 내용이어서 자세한 내용은 원문을 참고하시기 바랍니다.


에피택셜 과 등축 응고 사이의 경쟁은 적층 제조에서 실행되는 레이저 용융 동안 CMSX-4 단결정 초합금에서 조사되었습니다. 단일 트랙 레이저 스캔은 레이저 출력과 스캐닝 속도의 여러 조합으로 방향성 응고된 CMSX-4 합금의 분말 없는 표면에서 수행되었습니다. EBSD(Electron Backscattered Diffraction) 매핑은 새로운 방향의 식별을 용이하게 합니다. 영역 분율 및 공간 분포와 함께 융합 영역 내에서 핵을 형성한 “스트레이 그레인”은 충실도가 높은 전산 유체 역학 시뮬레이션을 사용하여 용융 풀 내의 온도 및 유체 속도 필드를 모두 추정했습니다. 이 정보를 핵 생성 모델과 결합하여 용융 풀에서 핵 생성이 발생할 확률이 가장 높은 위치를 결정했습니다. 금속 적층 가공의 일반적인 경험에 따라 레이저 용융 트랙의 응고된 미세 구조는 에피택셜 입자 성장에 의해 지배됩니다. 더 높은 레이저 스캐닝 속도와 더 낮은 출력이 일반적으로 흩어진 입자 감소에 도움이 되지만,그럼에도 불구하고 길쭉한 용융 풀에서 흩어진 입자가 분명했습니다.

The competition between epitaxial vs. equiaxed solidification has been investigated in CMSX-4 single crystal superalloy during laser melting as practiced in additive manufacturing. Single-track laser scans were performed on a powder-free surface of directionally solidified CMSX-4 alloy with several combinations of laser power and scanning velocity. Electron backscattered diffraction (EBSD) mapping facilitated identification of new orientations, i.e., “stray grains” that nucleated within the fusion zone along with their area fraction and spatial distribution. Using high-fidelity computational fluid dynamics simulations, both the temperature and fluid velocity fields within the melt pool were estimated. This information was combined with a nucleation model to determine locations where nucleation has the highest probability to occur in melt pools. In conformance with general experience in metals additive manufacturing, the as-solidified microstructure of the laser-melted tracks is dominated by epitaxial grain growth; nevertheless, stray grains were evident in elongated melt pools. It was found that, though a higher laser scanning velocity and lower power are generally helpful in the reduction of stray grains, the combination of a stable keyhole and minimal fluid velocity further mitigates stray grains in laser single tracks.


니켈 기반 초합금은 고온에서 긴 노출 시간 동안 높은 인장 강도, 낮은 산화 및 우수한 크리프 저항성을 포함하는 우수한 특성의 고유한 조합으로 인해 가스 터빈 엔진 응용 분야에서 광범위하게 사용됩니다. CMSX-4는 특히 장기 크리프 거동과 관련하여 초고강도의 2세대 레늄 함유 니켈 기반 단결정 초합금입니다. 1 , 2 ]입계의 존재가 크리프를 가속화한다는 인식은 가스 터빈 엔진의 고온 단계를 위한 단결정 블레이드를 개발하게 하여 작동 온도를 높이고 효율을 높이는 데 기여했습니다. 이러한 구성 요소는 사용 중 마모될 수 있습니다. 즉, 구성 요소의 무결성을 복원하고 단결정 미세 구조를 유지하는 수리 방법을 개발하기 위한 지속적인 작업이 있었습니다. 3 , 4 , 5 ]

적층 제조(AM)가 등장하기 전에는 다양한 용접 공정을 통해 단결정 초합금에 대한 수리 시도가 수행되었습니다. 균열 [ 6 , 7 ] 및 흩어진 입자 8 , 9 ] 와 같은 심각한 결함 이 이 수리 중에 자주 발생합니다. 일반적으로 “스트레이 그레인”이라고 하는 응고 중 모재의 방향과 다른 결정학적 방향을 가진 새로운 그레인의 형성은 니켈 기반 단결정 초합금의 수리 중 유해한 영향으로 인해 중요한 관심 대상입니다. 3 , 10 ]결과적으로 재료의 단결정 구조가 손실되고 원래 구성 요소에 비해 기계적 특성이 손상됩니다. 이러한 흩어진 입자는 특정 조건에서 에피택셜 성장을 대체하는 등축 응고의 시작에 해당합니다.

떠돌이 결정립 형성을 완화하기 위해 이전 작업은 용융 영역(FZ) 내에서 응고하는 동안 떠돌이 결정립 형성에 영향을 미치는 수지상 응고 거동 및 처리 조건을 이해하는 데 중점을 두었습니다. 11 , 12 , 13 , 14 ] 연구원들은 단결정 합금의 용접 중에 표류 결정립 형성에 대한 몇 가지 가능한 메커니즘을 제안했습니다. 12 , 13 , 14 , 15 ]응고 전단에 앞서 국부적인 구성 과냉각은 이질적인 핵 생성 및 등축 결정립의 성장을 유발할 수 있습니다. 또한 용융 풀에서 활발한 유체 흐름으로 인해 발생하는 덴드라이트 조각화는 용융 풀 경계 근처에서 새로운 결정립을 형성할 수도 있습니다. 두 메커니즘 모두에서, 표류 결정립 형성은 핵 생성 위치에 의존하며, 차이점은 수상 돌기 조각화는 수상 돌기 조각이 핵 생성 위치로 작용한다는 것을 의미하는 반면 다른 메커니즘은 재료,  를 들어 산화물 입자에서 발견되는 다른 유형의 핵 생성 위치를 사용한다는 것을 의미합니다. 잘 알려진 바와 같이, 많은 주물에 대한 반대 접근법은 TiB와 같은 핵제의 도입을 통해 등축 응고를 촉진하는 것입니다.22알루미늄 합금에서.

헌법적 과냉 메커니즘에서 Hunt 11 ] 는 정상 상태 조건에서 기둥에서 등축으로의 전이(CET)를 설명하는 모델을 개발했습니다. Gaumann과 Kurz는 Hunt의 모델을 수정하여 단결정이 응고되는 동안 떠돌이 결정립이 핵을 생성하고 성장할 수 있는 정도를 설명했습니다. 12 , 14 ] 이후 연구에서 Vitek은 Gaumann의 모델을 개선하고 출력 및 스캐닝 속도와 같은 용접 조건의 영향에 대한 보다 자세한 분석을 포함했습니다. Vitek은 또한 실험 및 모델링 기술을 통해 표류 입자 형성에 대한 기판 방향의 영향을 포함했습니다. 3 , 10 ]일반적으로 높은 용접 속도와 낮은 출력은 표류 입자의 양을 최소화하고 레이저 용접 공정 중 에피택셜 단결정 성장을 최대화하는 것으로 나타났습니다. 3,10 ] 그러나 Vitek은 덴드라이트 조각화를 고려하지 않았으며 그의 연구는 불균질 핵형성이 레이저 용접된 CMSX -4 단결정 합금에서 표류 결정립 형성을 이끄는 주요 메커니즘임을 나타냅니다. 현재 작업에서 Vitek의 수치적 방법이 채택되고 금속 AM의 급속한 특성의 더 높은 속도와 더 낮은 전력 특성으로 확장됩니다.

AM을 통한 금속 부품 제조 는 지난 10년 동안 급격한 인기 증가를 목격했습니다. 16 ] EBM(Electron Beam Melting)에 의한 CMSX-4의 제작 가능성은 자주 조사되었으나 17 , 18 , 19 , 20 , 21 ] CMSX의 제조 및 수리에 대한 조사는 매우 제한적이었다. – 4개의 단결정 구성요소는 레이저 분말 베드 융합(LPBF)을 사용하며, AM의 인기 있는 하위 집합으로, 특히 표류 입자 형성을 완화하는 메커니즘과 관련이 있습니다. 22 ]이러한 조사 부족은 주로 이러한 합금 시스템과 관련된 처리 문제로 인해 발생합니다. 2 , 19 , 22 , 23 , 24 ] 공정 매개변수( 예: 열원 전력, 스캐닝 속도, 스폿 크기, 예열 온도 및 스캔 전략)의 엄격한 제어는 완전히 조밀한 부품을 만들고 유지 관리할 수 있도록 하는 데 필수적입니다. 단결정 미세구조. 25 ] EBM을 사용하여 단결정 합금의 균열 없는 수리가 현재 가능하지만 19 , 24 ] 표류 입자를 생성하지 않는 수리는 쉽게 달성할 수 없습니다.23 , 26 ]

이 작업에서 LPBF를 대표하는 조건으로 레이저 용융을 사용하여 단결정 CMSX-4에서 표류 입자 완화를 조사했습니다. LPBF는 스캐닝 레이저 빔을 사용하여 금속 분말의 얇은 층을 기판에 녹이고 융합합니다. 층별 증착에서 레이저 빔의 사용은 급격한 온도 구배, 빠른 가열/냉각 주기 및 격렬한 유체 흐름을 경험하는 용융 풀을 생성 합니다 이것은 일반적으로 부품에 결함을 일으킬 수 있는 매우 동적인 물리적 현상으로 이어집니다. 28 , 29 , 30 ] 레이저 유도 키홀의 동역학( 예:, 기화 유발 반동 압력으로 인한 위상 함몰) 및 열유체 흐름은 AM 공정에서 응고 결함과 강하게 결합되고 관련됩니다. 31 , 32 , 33 , 34 ] 기하 구조의 급격한 변화가 발생하기 쉬운 불안정한 키홀은 다공성, 볼링, 스패터 형성 및 흔하지 않은 미세 구조 상을 포함하는 유해한 물리적 결함을 유발할 수 있습니다. 그러나 키홀 진화와 유체 흐름은 자연적으로 다음을 통해 포착 하기 어렵 습니다 .전통적인 사후 특성화 기술. 고충실도 수치 모델링을 활용하기 위해 이 연구에서는 전산유체역학(CFD)을 적용하여 표면 아래의 레이저-물질 상호 작용을 명확히 했습니다. 36 ] 이것은 응고된 용융물 풀의 단면에 대한 오랫동안 확립된 사후 특성화와 비교하여 키홀 및 용융물 풀 유체 흐름 정량화를 실행합니다.

CMSX-4 구성 요소의 레이저 기반 AM 수리 및 제조를 위한 적절한 절차를 개발하기 위해 적절한 공정 창을 설정하고 응고 중 표류 입자 형성 경향에 대한 예측 기능을 개발하는 것부터 시작합니다. 다중 합금에 대한 단일 트랙 증착은 분말 층이 있거나 없는 AM 공정에서 용융 풀 형상 및 미세 구조의 정확한 분석을 제공하는 것으로 나타났습니다. 37 , 38 , 39 ]따라서 본 연구에서는 CMSX-4의 응고 거동을 알아보기 위해 분말을 사용하지 않는 단일 트랙 레이저 스캔 실험을 사용하였다. 이는 CMSX-4 단결정의 LPBF 제조를 위한 예비 실험 지침을 제공합니다. 또한 응고 모델링은 기존 용접에서 LPBF와 관련된 급속 용접으로 확장되어 표류 입자 감소를 위한 최적의 레이저 용융 조건을 식별했습니다. 가공 매개변수 최적화를 위한 추가 지침을 제공하기 위해 용융물 풀의 매우 동적인 유체 흐름을 모델링했습니다.

재료 및 방법

단일 트랙 실험

방전 가공(EDM)을 사용하여 CMSX-4 방향성 응고 단결정 잉곳으로부터 샘플을 제작했습니다. 샘플의 최종 기하학은 치수 20의 직육면체 형태였습니다.××20××6mm. 6개 중 하나⟨ 001 ⟩⟨001⟩잉곳의 결정학적 방향은 레이저 트랙이 이 바람직한 성장 방향을 따라 스캔되도록 절단 표면에 수직으로 위치했습니다. 단일 레이저 용융 트랙은 EOS M290 기계를 사용하여 분말이 없는 샘플 표면에 만들어졌습니다. 이 기계는 최대 출력 400W, 가우시안 빔 직경 100의 이터븀 파이버 레이저가 장착된 LPBF 시스템입니다. μμ초점에서 m. 실험 중에 직사각형 샘플을 LPBF 기계용 맞춤형 샘플 홀더의 포켓에 끼워 표면을 동일한 높이로 유지했습니다. 이 맞춤형 샘플 홀더에 대한 자세한 내용은 다른 곳에서 설명합니다. 실험 은 아르곤 퍼지 분위기에서 수행되었으며 예열은 적용되지 않았습니다 단일 트랙 레이저 용융 실험은 다양한 레이저 출력(200~370W)과 스캔 속도(0.4~1.4m/s)에서 수행되었습니다.

성격 묘사

레이저 스캐닝 후, 레이저 빔 스캐닝 방향에 수직인 평면에서 FZ를 통해 다이아몬드 톱을 사용하여 샘플을 절단했습니다. 그 후, 샘플을 장착하고 220 그릿 SiC 페이퍼로 시작하여 콜로이드 실리카 현탁액 광택제로 마무리하여 자동 연마했습니다. 결정학적 특성화는 20kV의 가속 전압에서 TESCAN MIRA 3XMH 전계 방출 주사 전자 현미경(SEM)에서 수행되었습니다. EBSD 지도는0.4μm _0.4μ미디엄단계 크기. Bruker 시스템을 사용하여 EBSD 데이터를 정리하고 분석했습니다. EBSD 클린업은 그레인을 접촉시키기 위한 그레인 확장 루틴으로 시작한 다음 인덱스되지 않은 회절 패턴과 관련된 검은색 픽셀을 해결하기 위해 이웃 방향 클린업 루틴으로 이어졌습니다. 용융 풀 형태를 분석하기 위해 단면을 광학 현미경으로 분석했습니다. 광학 특성화의 대비를 향상시키기 위해 10g CuSO로 구성된 Marbles 시약의 변형으로 샘플을 에칭했습니다.44, 50mL HCl 및 70mL H22영형.

응고 모델링

구조적 과냉 기준에 기반한 응고 모델링을 수행하여 표유 입자의 성향 및 분포에 대한 가공 매개변수의 영향을 평가했습니다. 이 분석 모델링 접근 방식에 대한 자세한 내용은 이전 작업에서 제공됩니다. 3 , 10 ] 참고문헌 3 에 기술된 바와 같이 , 기본 재료의 결정학적 배향을 가진 용융 풀에서 총 표유 입자 면적 분율의 변화는 최소이므로 기본 재료 배향의 영향은 이 작업에서 고려되지 않았습니다. 우리의 LPBF 결과를 이전 작업과 비교하기 위해 Vitek의 작업에서 사용된 수학적으로 간단한 Rosenthal 방정식 3 ]또한 레이저 매개변수의 함수로 용융 풀의 모양과 FZ의 열 조건을 계산하기 위한 기준으로 여기에서 채택되었습니다. Rosenthal 솔루션은 열이 일정한 재료 특성을 가진 반무한 판의 정상 상태 점원을 통해서만 전도를 통해 전달된다고 가정하며 일반적으로 다음과 같이 표현 됩니다 40 , 41 ] .

티=티0+η피2 파이케이엑스2+와이2+지2———-√경험치[- 브이(엑스2+와이2+지2———-√− 엑스 )2α _] ,티=티0+η피2파이케이엑스2+와이2+지2경험치⁡[-V(엑스2+와이2+지2-엑스)2α],(1)

여기서 T 는 온도,티0티0본 연구에서 313K(  , EOS 기계 챔버 온도)로 설정된 주변 온도, P 는 레이저 빔 파워, V 는 레이저 빔 스캐닝 속도,ηη는 레이저 흡수율, k 는 열전도율,αα베이스 합금의 열확산율입니다. x , y , z 는 각각 레이저 스캐닝 방향, 가로 방향 및 세로 방향의 반대 방향과 정렬된 방향입니다 . 이 직교 좌표는 참조 3 의 그림 1에 있는 시스템을 따랐습니다 . CMSX-4에 대한 고상선 온도(1603K)와 액상선 온도(1669K)의 등온선 평균으로 응고 프런트( 즉 , 고체-액체 계면)를 정의했습니다. 42 , 43 , 44 ] 시뮬레이션에 사용된 열물리적 특성은 표 I 에 나열되어 있습니다.표 I CMSX-4의 응고 모델링에 사용된 열물리적 특성

풀 사이즈 테이블

열 구배는 외부 열 흐름에 의해 결정되었습니다.∇ 티∇티45 ] 에 의해 주어진 바와 같이 :

지 = | ∇ 티| =∣∣∣∂티∂엑스나^^+∂티∂와이제이^^+∂티∂지케이^^∣∣∣=(∂티∂엑스)2+(∂티∂와이)2+(∂티∂지)2————————√,G=|∇티|=|∂티∂엑스나^^+∂티∂와이제이^^+∂티∂지케이^^|=(∂티∂엑스)2+(∂티∂와이)2+(∂티∂지)2,(2)

어디나^^나^^,제이^^제이^^, 그리고케이^^케이^^는 각각 x , y 및 z 방향 을 따른 단위 벡터 입니다. 응고 등온선 속도,V티V티는 다음 관계에 의해 레이저 빔 스캐닝 속도 V 와 기하학적으로 관련됩니다.

V티= V코사인θ =V∂티∂엑스(∂티∂엑스)2+(∂티∂와이)2+(∂티∂지)2——————-√,V티=V코사인⁡θ=V∂티∂엑스(∂티∂엑스)2+(∂티∂와이)2+(∂티∂지)2,(삼)

어디θθ는 스캔 방향과 응고 전면의 법선 방향(  , 최대 열 흐름 방향) 사이의 각도입니다. 이 연구의 용접 조건과 같은 제한된 성장에서 수지상 응고 전면은 고체-액체 등온선의 속도로 성장하도록 강제됩니다.V티V티. 46 ]

응고 전선이 진행되기 전에 새로 핵 생성된 입자의 국지적 비율ΦΦ, 액체 온도 구배 G 에 의해 결정 , 응고 선단 속도V티V티및 핵 밀도N0N0. 고정된 임계 과냉각에서 모든 입자가 핵형성된다고 가정함으로써△티N△티N, 등축 결정립의 반경은 결정립이 핵 생성을 시작하는 시점부터 주상 전선이 결정립에 도달하는 시간까지의 성장 속도를 통합하여 얻습니다. 과냉각으로 대체 시간d (ΔT_) / dt = – _V티G디(△티)/디티=-V티G, 열 구배 G 사이의 다음 관계 , 등축 입자의 국부적 부피 분율ΦΦ, 수상 돌기 팁 과냉각ΔT _△티, 핵 밀도N0N0, 재료 매개변수 n 및 핵생성 과냉각△티N△티N, Gäumann 외 여러분 에 의해 파생되었습니다 . 12 , 14 ] Hunt의 모델 11 ] 의 수정에 기반함 :

지 =1엔 + 1- 4π _N03 인치( 1 − Φ )———√삼ΔT _( 1 -△티엔 + 1N△티엔 + 1) .G=1N+1-4파이N0삼인⁡(1-Φ)삼△티(1-△티NN+1△티N+1).(4)

계산을 단순화하기 위해 덴드라이트 팁 과냉각을 전적으로 구성 과냉각의 것으로 추정합니다.△티씨△티씨, 멱법칙 형식으로 근사화할 수 있습니다.△티씨= ( _V티)1 / 엔△티씨=(ㅏV티)1/N, 여기서 a 와 n 은 재료 종속 상수입니다. CMSX-4의 경우 이 값은a = 1.25 ×106ㅏ=1.25×106 s K 3.4m− 1-1,엔 = 3.4N=3.4, 그리고N0= 2 ×1015N0=2×1015미디엄− 3,-삼,참고문헌 3 에 의해 보고된 바와 같이 .△티N△티N2.5K이며 보다 큰 냉각 속도에서 응고에 대해 무시할 수 있습니다.106106 K/s. 에 대한 표현ΦΦ위의 방정식을 재배열하여 해결됩니다.

Φ= 1 -이자형에스\ 여기서\  S=- 4π _N0삼(1( 엔 + 1 ) (GN/ 아V티)1 / 엔)삼=−2.356×1019(vTG3.4)33.4.Φ=1−eS\ where\ S=−4πN03(1(n+1)(Gn/avT)1/n)3=−2.356×1019(vTG3.4)33.4.


As proposed by Hunt,[11] a value of Φ≤0.66Φ≤0.66 pct represents fully columnar epitaxial growth condition, and, conversely, a value of Φ≥49Φ≥49 pct indicates that the initial single crystal microstructure is fully replaced by an equiaxed microstructure. To calculate the overall stray grain area fraction, we followed Vitek’s method by dividing the FZ into roughly 19 to 28 discrete parts (depending on the length of the melt pool) of equal length from the point of maximum width to the end of melt pool along the x direction. The values of G and vTvT were determined at the center on the melt pool boundary of each section and these values were used to represent the entire section. The area-weighted average of ΦΦ over these discrete sections along the length of melt pool is designated as Φ¯¯¯¯Φ¯, and is given by:



where k is the index for each subsection, and AkAk and ΦkΦk are the areas and ΦΦ values for each subsection. The summation is taken over all the sections along the melt pool. Vitek’s improved model allows the calculation of stray grain area fraction by considering the melt pool geometry and variations of G and vTvT around the tail end of the pool.

수년에 걸쳐 용융 풀 현상 모델링의 정확도를 개선하기 위해 많은 고급 수치 방법이 개발되었습니다. 우리는 FLOW-3D와 함께 고충실도 CFD를 사용했습니다. FLOW-3D는 여러 물리 모델을 통합하는 상용 FVM(Finite Volume Method)입니다. 47 , 48 ] CFD는 유체 운동과 열 전달을 수치적으로 시뮬레이션하며 여기서 사용된 기본 물리 모델은 레이저 및 표면력 모델이었습니다. 레이저 모델에서는 레이 트레이싱 기법을 통해 다중 반사와 프레넬 흡수를 구현합니다. 36 ]먼저, 레이저 빔은 레이저 빔에 의해 조명되는 각 그리드 셀을 기준으로 여러 개의 광선으로 이산화됩니다. 그런 다음 각 입사 광선에 대해 입사 벡터가 입사 위치에서 금속 표면의 법선 벡터와 정렬될 때 에너지의 일부가 금속에 의해 흡수됩니다. 흡수율은 Fresnel 방정식을 사용하여 추정됩니다. 나머지 에너지는 반사광선 에 의해 유지되며 , 반사광선은 재료 표면에 부딪히면 새로운 입사광선으로 처리됩니다. 두 가지 주요 힘이 액체 금속 표면에 작용하여 자유 표면을 변형시킵니다. 금속의 증발에 의해 생성된 반동 압력은 증기 억제를 일으키는 주요 힘입니다. 본 연구에서 사용된 반동 압력 모델은피아르 자형= 특급 _{ B ( 1- _티V/ 티) }피아르 자형=ㅏ경험치⁡{비(1-티V/티)}, 어디피아르 자형피아르 자형는 반동압력, A 와 B 는 재료의 물성에 관련된 계수로 각각 75와 15이다.티V티V는 포화 온도이고 T 는 키홀 벽의 온도입니다. 표면 흐름 및 키홀 형성의 다른 원동력은 표면 장력입니다. 표면 장력 계수는 Marangoni 흐름을 포함하기 위해 온도의 선형 함수로 추정되며,σ =1.79-9.90⋅10− 4( 티− 1654케이 )σ=1.79-9.90⋅10-4(티-1654년케이)엔엠− 1-1. 49 ] 계산 영역은 베어 플레이트의 절반입니다(2300 μμ미디엄××250 μμ미디엄××500 μμm) xz 평면 에 적용된 대칭 경계 조건 . 메쉬 크기는 8입니다. μμm이고 시간 단계는 0.15입니다. μμs는 계산 효율성과 정확성 간의 균형을 제공합니다.

결과 및 논의

용융 풀 형태

이 작업에 사용된 5개의 레이저 파워( P )와 6개의 스캐닝 속도( V )는 서로 다른 29개의 용융 풀을 생성했습니다.피- 브이피-V조합. P 와 V 값이 가장 높은 것은 그림 1 을 기준으로 과도한 볼링과 관련이 있기 때문에 본 연구에서는 분석하지 않았다  .

단일 트랙 용융 풀은 그림  1 과 같이 형상에 따라 네 가지 유형으로 분류할 수 있습니다 39 ] : (1) 전도 모드(파란색 상자), (2) 키홀 모드(빨간색), (3) 전환 모드(마젠타), (4) 볼링 모드(녹색). 높은 레이저 출력과 낮은 스캐닝 속도의 일반적인 조합인 키홀 모드에서 용융물 풀은 일반적으로 너비/깊이( W / D ) 비율이 0.5보다 훨씬 큰 깊고 가느다란 모양을 나타냅니다 . 스캐닝 속도가 증가함에 따라 용융 풀이 얕아져 W / D 가 약 0.5인 반원형 전도 모드 용융 풀을 나타냅니다. W / D _전환 모드 용융 풀의 경우 1에서 0.5 사이입니다. 스캐닝 속도를 1200 및 1400mm/s로 더 높이면 충분히 큰 캡 높이와 볼링 모드 용융 풀의 특징인 과도한 언더컷이 발생할 수 있습니다.

힘과 속도의 함수로서의 용융 풀 깊이와 너비는 각각 그림  2 (a)와 (b)에 표시되어 있습니다. 용융 풀 폭은 기판 표면에서 측정되었습니다. 그림  2 (a)는 깊이가 레이저 출력과 매우 선형적인 관계를 따른다는 것을 보여줍니다. 속도가 증가함에 따라 깊이  파워 곡선의 기울기는 꾸준히 감소하지만 더 높은 속도 곡선에는 약간의 겹침이 있습니다. 이러한 예상치 못한 중첩은 종종 용융 풀 형태의 동적 변화를 유발하는 유체 흐름의 영향과 레이저 스캔당 하나의 이미지만 추출되었다는 사실 때문일 수 있습니다. 이러한 선형 동작은 그림 2 (b) 의 너비에 대해 명확하지 않습니다  . 그림  2(c)는 선형 에너지 밀도 P / V 의 함수로서 용융 깊이와 폭을 보여줍니다 . 선형 에너지 밀도는 퇴적물의 단위 길이당 에너지 투입량을 측정한 것입니다. 50 ] 용융 풀 깊이는 에너지 밀도에 따라 달라지며 너비는 더 많은 분산을 나타냅니다. 동일한 에너지 밀도가 준공 부품의 용융 풀, 미세 구조 또는 속성에서 반드시 동일한 유체 역학을 초래하지는 않는다는 점에 유의하는 것이 중요합니다. 50 ]

그림 1
그림 1
그림 2
그림 2

레이저 흡수율 평가

레이저 흡수율은 LPBF 조건에서 재료 및 가공 매개변수에 따라 크게 달라진다는 것은 잘 알려져 있습니다. 31 , 51 , 52 ] 적분구를 이용한 전통적인 흡수율의 직접 측정은 일반적으로 높은 비용과 구현의 어려움으로 인해 쉽게 접근할 수 없습니다. 51 ] 그  . 39 ] 전도 모드 용융 풀에 대한 Rosenthal 방정식을 기반으로 경험적 레이저 흡수율 모델을 개발했지만 기본 가정으로 인해 키홀 용융 풀에 대한 정확한 예측을 제공하지 못했습니다. 40 ] 최근 간 . 53 ] Ti–6Al–4V에 대한 30개의 고충실도 다중 물리 시뮬레이션 사례를 사용하여 레이저 흡수에 대한 스케일링 법칙을 확인했습니다. 그러나 연구 중인 특정 재료에 대한 최소 흡수(평평한 용융 표면의 흡수율)에 대한 지식이 필요하며 이는 CMSX-4에 대해 알려지지 않았습니다. 다양한 키홀 모양의 용융 풀에 대한 레이저 흡수의 정확한 추정치를 얻기가 어렵기 때문에 상한 및 하한 흡수율로 분석 시뮬레이션을 실행하기로 결정했습니다. 깊은 키홀 모양의 용융 풀의 경우 대부분의 빛을 가두는 키홀 내 다중 반사로 인해 레이저 흡수율이 0.8만큼 높을 수 있습니다. 이것은 기하학적 현상이며 기본 재료에 민감하지 않습니다. 5152 , 54 ] 따라서 본 연구에서는 흡수율의 상한을 0.8로 설정하였다. 참고 문헌 51 에 나타낸 바와 같이 , 전도 용융 풀에 해당하는 최저 흡수율은 약 0.3이었으며, 이는 이 연구에서 합리적인 하한 값입니다. 따라서 레이저 흡수율이 스트레이 그레인 형성에 미치는 영향을 보여주기 위해 흡수율 값을 0.55 ± 0.25로 설정했습니다. Vitek의 작업에서는 1.0의 고정 흡수율 값이 사용되었습니다. 3 ]

퓨전 존 미세구조

그림  3 은 200~300W 및 600~300W 및 600~300W 범위의 레이저 출력 및 속도로 9가지 다른 처리 매개변수에 의해 생성된 CMSX-4 레이저 트랙의 yz 단면 에서 취한 EBSD 역극점도와 해당 역극점도를 보여 줍니다. 각각 1400mm/s. EBSD 맵에서 여러 기능을 쉽게 관찰할 수 있습니다. 스트레이 그레인은 EBSD 맵에서 그 방향에 해당하는 다른 RGB 색상으로 나타나고 그레인 경계를 묘사하기 위해 5도의 잘못된 방향이 사용되었습니다. 여기, 그림  3 에서 스트레이 그레인은 대부분 용융 풀의 상단 중심선에 집중되어 있으며, 이는 용접된 단결정 CMSX-4의 이전 보고서와 일치합니다. 10 ]역 극점도에서, 점 근처에 집중된 클러스터⟨ 001 ⟩⟨001⟩융합 경계에서 유사한 방향을 유지하는 단결정 기반 및 에피택셜로 응고된 덴드라이트를 나타냅니다. 그러나 흩어진 곡물은 식별할 수 있는 질감이 없는 흩어져 있는 점으로 나타납니다. 단결정 기본 재료의 결정학적 방향은 주로⟨ 001 ⟩⟨001⟩비록 샘플을 절단하는 동안 식별할 수 없는 기울기 각도로 인해 또는 단결정 성장 과정에서 약간의 잘못된 방향이 있었기 때문에 약간의 편차가 있지만. 용융 풀 내부의 응고된 수상 돌기의 기본 방향은 다시 한 번⟨ 001 ⟩⟨001⟩주상 결정립 구조와 유사한 에피택셜 성장의 결과. 그림 3 과 같이 용융 풀에서 수상돌기의 성장 방향은 하단의 수직 방향에서 상단의 수평 방향으로 변경되었습니다  . 이 전이는 주로 온도 구배 방향의 변화로 인한 것입니다. 두 번째 전환은 CET입니다. FZ의 상단 중심선 주변에서 다양한 방향의 흩어진 입자가 관찰되며, 여기서 안쪽으로 성장하는 수상돌기가 서로 충돌하여 용융 풀에서 응고되는 마지막 위치가 됩니다.

더 깊은 키홀 모양을 특징으로 하는 샘플에서 용융 풀의 경계 근처에 침전된 흩어진 입자가 분명합니다. 이러한 새로운 입자는 나중에 모델링 섹션에서 논의되는 수상돌기 조각화 메커니즘에 의해 잠재적으로 발생합니다. 결정립이 강한 열 구배에서 핵을 생성하고 성장한 결과, 대부분의 흩어진 결정립은 모든 방향에서 동일한 크기를 갖기보다는 장축이 열 구배 방향과 정렬된 길쭉한 모양을 갖습니다. 그림 3 의 전도 모드 용융 풀 흩어진 입자가 없는 것으로 입증되는 더 나은 단결정 품질을 나타냅니다. 상대적으로 낮은 출력과 높은 속도의 스캐닝 레이저에 의해 생성된 이러한 더 얕은 용융 풀에서 최소한의 결정립 핵형성이 발생한다는 것은 명백합니다. 더 큰 면적 분율을 가진 스트레이 그레인은 고출력 및 저속으로 생성된 깊은 용융 풀에서 더 자주 관찰됩니다. 국부 응고 조건에 대한 동력 및 속도의 영향은 후속 모델링 섹션에서 조사할 것입니다.

그림 3
그림 3

응고 모델링

서론에서 언급한 바와 같이 연구자들은 단결정 용접 중에 표류 결정립 형성의 가능한 메커니즘을 평가했습니다. 12 , 13 , 14 , 15 , 55 ]논의된 가장 인기 있는 두 가지 메커니즘은 (1) 응고 전단에 앞서 구성적 과냉각에 의해 도움을 받는 이종 핵형성 및 (2) 용융물 풀의 유체 흐름으로 인한 덴드라이트 조각화입니다. 첫 번째 메커니즘은 광범위하게 연구되었습니다. 이원 합금을 예로 들면, 고체는 액체만큼 많은 용질을 수용할 수 없으므로 응고 중에 용질을 액체로 거부합니다. 결과적으로, 성장하는 수상돌기 앞에서 용질 분할은 실제 온도가 국부 평형 액상선보다 낮은 과냉각 액체를 생성합니다. 충분히 광범위한 체질적으로 과냉각된 구역의 존재는 새로운 결정립의 핵형성 및 성장을 촉진합니다. 56 ]전체 과냉각은 응고 전면에서의 구성, 동역학 및 곡률 과냉각을 포함한 여러 기여의 합입니다. 일반적인 가정은 동역학 및 곡률 과냉각이 합금에 대한 용질 과냉각의 더 큰 기여와 관련하여 무시될 수 있다는 것입니다. 57 ]

서로 다른 기본 메커니즘을 더 잘 이해하려면피- 브이피-V조건에서 응고 모델링이 수행됩니다. 첫 번째 목적은 스트레이 그레인의 전체 범위를 평가하는 것입니다(Φ¯¯¯¯Φ¯) 처리 매개 변수의 함수로 국부적 표류 입자 비율의 변화를 조사하기 위해 (ΦΦ) 용융 풀의 위치 함수로. 두 번째 목적은 금속 AM의 빠른 응고 동안 응고 미세 구조와 표류 입자 형성 메커니즘 사이의 관계를 이해하는 것입니다.

그림 4
그림 4

그림  4 는 해석적으로 시뮬레이션된 표류 입자 비율을 보여줍니다.Φ¯¯¯¯Φ¯세 가지 레이저 흡수율 값에서 다양한 레이저 스캐닝 속도 및 레이저 출력에 대해. 결과는 스트레이 그레인 면적 비율이 흡수된 에너지에 민감하다는 것을 보여줍니다. 흡수율을 0.30에서 0.80으로 증가시키면Φ¯¯¯¯Φ¯약 3배이며, 이 효과는 저속 및 고출력 영역에서 더욱 두드러집니다. 다른 모든 조건이 같다면, 흡수된 전력의 큰 영향은 평균 열 구배 크기의 일반적인 감소와 용융 풀 내 평균 응고율의 증가에 기인합니다. 스캐닝 속도가 증가하고 전력이 감소함에 따라 평균 스트레이 그레인 비율이 감소합니다. 이러한 일반적인 경향은 Vitek의 작업에서 채택된 그림 5 의 파란색 영역에서 시뮬레이션된 용접 결과와 일치합니다  . 3 ] 더 큰 과냉각 구역( 즉, 지 /V티G/V티영역)은 용접 풀의 표유 입자의 면적 비율이 분홍색 영역에 해당하는 LPBF 조건의 면적 비율보다 훨씬 더 크다는 것을 의미합니다. 그럼에도 불구하고 두 데이터 세트의 일반적인 경향은 유사합니다.  , 레이저 출력이 감소하고 레이저 속도가 증가함에 따라 표류 입자의 비율이 감소합니다. 또한 그림  5 에서 스캐닝 속도가 LPBF 영역으로 증가함에 따라 표유 입자 면적 분율에 대한 레이저 매개변수의 변화 효과가 감소한다는 것을 추론할 수 있습니다. 그림  6 (a)는 그림 3 의 EBSD 분석에서 나온 실험적 표류 결정립 면적 분율  과 그림 4 의 해석 시뮬레이션 결과를  비교합니다.. 열쇠 구멍 모양의 FZ에서 정확한 값이 다르지만 추세는 시뮬레이션과 실험 데이터 모두에서 일관되었습니다. 키홀 모양의 용융 풀, 특히 전력이 300W인 2개는 분석 시뮬레이션 예측보다 훨씬 더 많은 양의 흩어진 입자를 가지고 있습니다. Rosenthal 방정식은 일반적으로 열 전달이 순전히 전도에 의해 좌우된다는 가정으로 인해 열쇠 구멍 체제의 열 흐름을 적절하게 반영하지 못하기 때문에 이러한 불일치가 실제로 예상됩니다. 39 , 40 ] 그것은 또한 그림  4 의 발견 , 즉 키홀 모드 동안 흡수된 전력의 증가가 표류 입자 형성에 더 이상적인 조건을 초래한다는 것을 검증합니다. 그림  6 (b)는 실험을 비교Φ¯¯¯¯Φ¯수치 CFD 시뮬레이션Φ¯¯¯¯Φ¯. CFD 모델이 약간 초과 예측하지만Φ¯¯¯¯Φ¯전체적으로피- 브이피-V조건에서 열쇠 구멍 조건에서의 예측은 분석 모델보다 정확합니다. 전도 모드 용융 풀의 경우 실험 값이 분석 시뮬레이션 값과 더 가깝게 정렬됩니다.

그림 5
그림 5

모의 온도 구배 G 분포 및 응고율 검사V티V티분석 모델링의 쌍은 그림  7 (a)의 CMSX-4 미세 구조 선택 맵에 표시됩니다. 제공지 /V티G/V티(  , 형태 인자)는 형태를 제어하고지 ×V티G×V티(  , 냉각 속도)는 응고된 미세 구조의 규모를 제어하고 , 58 , 59 ]지 -V티G-V티플롯은 전통적인 제조 공정과 AM 공정 모두에서 미세 구조 제어를 지원합니다. 이 플롯의 몇 가지 분명한 특징은 등축, 주상, 평면 전면 및 이러한 경계 근처의 전이 영역을 구분하는 경계입니다. 그림  7 (a)는 몇 가지 선택된 분석 열 시뮬레이션에 대한 미세 구조 선택 맵을 나타내는 반면 그림  7 (b)는 수치 열 모델의 결과와 동일한 맵을 보여줍니다. 등축 미세구조의 형성은 낮은 G 이상 에서 명확하게 선호됩니다.V티V티정황. 이 플롯에서 각 곡선의 평면 전면에 가장 가까운 지점은 용융 풀의 최대 너비 위치에 해당하는 반면 등축 영역에 가까운 지점의 끝은 용융 풀의 후면 꼬리에 해당합니다. 그림  7 (a)에서 대부분의지 -V티G-V티응고 전면의 쌍은 원주형 영역에 속하고 점차 CET 영역으로 위쪽으로 이동하지만 용융 풀의 꼬리는 다음에 따라 완전히 등축 영역에 도달하거나 도달하지 않을 수 있습니다.피- 브이피-V조합. 그림 7 (a) 의 곡선 중 어느 것도  평면 전면 영역을 통과하지 않지만 더 높은 전력의 경우에 가까워집니다. 저속 레이저 용융 공정을 사용하는 이전 작업에서는 곡선이 평면 영역을 통과할 수 있습니다. 레이저 속도가 증가함에 따라 용융 풀 꼬리는 여전히 CET 영역에 있지만 완전히 등축 영역에서 멀어집니다. CET 영역으로 떨어지는 섹션의 수도 감소합니다.Φ¯¯¯¯Φ¯응고된 물질에서.

그림 6
그림 6

그만큼지 -V티G-V티CFD 모델을 사용하여 시뮬레이션된 응고 전면의 쌍이 그림  7 (b)에 나와 있습니다. 세 방향 모두에서 각 점 사이의 일정한 간격으로 미리 정의된 좌표에서 수행된 해석 시뮬레이션과 달리, 고충실도 CFD 모델의 출력은 불규칙한 사면체 좌표계에 있었고 G 를 추출하기 전에 일반 3D 그리드에 선형 보간되었습니다. 그리고V티V티그런 다음 미세 구조 선택 맵에 플롯됩니다. 일반적인 경향은 그림  7 (a)의 것과 일치하지만 이 방법으로 모델링된 매우 동적인 유체 흐름으로 인해 결과에 더 많은 분산이 있었습니다. 그만큼지 -V티G-V티분석 열 모델의 쌍 경로는 더 연속적인 반면 수치 시뮬레이션의 경로는 용융 풀 꼬리 모양의 차이를 나타내는 날카로운 굴곡이 있습니다(이는 G 및V티V티) 두 모델에 의해 시뮬레이션됩니다.

그림 7
그림 7
그림 8
그림 8

유체 흐름을 통합한 응고 모델링

수치 CFD 모델을 사용하여 유동 입자 형성 정도에 대한 유체 흐름의 영향을 이해하고 시뮬레이션 결과를 분석 Rosenthal 솔루션과 비교했습니다. 그림  8 은 응고 매개변수 G 의 분포를 보여줍니다.V티V티,지 /V티G/V티, 그리고지 ×V티G×V티yz 단면에서 x  FLOW-3D에서 (a1–d1) 분석 열 모델링 및 (a2–d2) FVM 방법을 사용하여 시뮬레이션된 용융 풀의 최대 폭입니다. 그림  8 의 값은 응고 전선이 특정 위치에 도달할 때 정확한 값일 수도 있고 아닐 수도 있지만 일반적인 추세를 반영한다는 의미의 임시 가상 값입니다. 이 프로파일은 출력 300W 및 속도 400mm/s의 레이저 빔에서 시뮬레이션됩니다. 용융 풀 경계는 흰색 곡선으로 표시됩니다. (a2–d2)의 CFD 시뮬레이션 용융 풀 깊이는 342입니다. μμm, 측정 깊이 352와 잘 일치 μμ일치하는 길쭉한 열쇠 구멍 모양과 함께 그림 1 에 표시된 실험 FZ의 m  . 그러나 분석 모델은 반원 모양의 용융 풀을 출력하고 용융 풀 깊이는 264에 불과합니다. μμ열쇠 구멍의 경우 현실과는 거리가 멀다. CFD 시뮬레이션 결과에서 열 구배는 레이저 반사 증가와 불안정한 액체-증기 상호 작용이 발생하는 증기 함몰의 동적 부분 근처에 있기 때문에 FZ 하단에서 더 높습니다. 대조적으로 해석 결과의 열 구배 크기는 경계를 따라 균일합니다. 두 시뮬레이션 결과 모두 그림 8 (a1) 및 (a2) 에서 응고가 용융 풀의 상단 중심선을 향해 진행됨에 따라 열 구배가 점차 감소합니다  . 응고율은 그림 8 과 같이 경계 근처에서 거의 0입니다. (b1) 및 (b2). 이는 경계 영역이 응고되기 시작할 때 국부 응고 전면의 법선 방향이 레이저 스캐닝 방향에 수직이기 때문입니다. 이것은 드라이브θ → π/ 2θ→파이/2그리고V티→ 0V티→0식에서 [ 3 ]. 대조적으로 용융 풀의 상단 중심선 근처 영역에서 응고 전면의 법선 방향은 레이저 스캐닝 방향과 잘 정렬되어 있습니다.θ → 0θ→0그리고V티→ 브이V티→V, 빔 스캐닝 속도. G 와 _V티V티값이 얻어지면 냉각 속도지 ×V티G×V티및 형태 인자지 /V티G/V티계산할 수 있습니다. 그림 8 (c2)는 용융 풀 바닥 근처의 온도 구배가 매우 높고 상단에서 더 빠른 성장 속도로  인해 냉각 속도가 용융 풀의 바닥 및 상단 중심선 근처에서 더 높다는 것을 보여줍니다. 지역. 그러나 이러한 추세는 그림  8 (c1)에 캡처되지 않았습니다. 그림 8 의 형태 요인 (d1) 및 (d2)는 중심선에 접근함에 따라 눈에 띄게 감소합니다. 경계에서 큰 값은 열 구배를 거의 0인 성장 속도로 나누기 때문에 발생합니다. 이 높은 형태 인자는 주상 미세구조 형성 가능성이 높음을 시사하는 반면, 중앙 영역의 값이 낮을수록 등축 미세구조의 가능성이 더 크다는 것을 나타냅니다. Tanet al. 또한 키홀 모양의 용접 풀 59 ] 에서 이러한 응고 매개변수의 분포 를 비슷한 일반적인 경향으로 보여주었습니다. 그림  3 에서 볼 수 있듯이 용융 풀의 상단 중심선에 있는 흩어진 입자는 낮은 특징을 나타내는 영역과 일치합니다.지 /V티G/V티그림  8 (d1) 및 (d2)의 값. 시뮬레이션과 실험 간의 이러한 일치는 용융 풀의 상단 중심선에 축적된 흩어진 입자의 핵 생성 및 성장이 등온선 속도의 증가와 온도 구배의 감소에 의해 촉진됨을 보여줍니다.

그림 9
그림 9

그림  9 는 유체 속도 및 국부적 핵형성 성향을 보여줍니다.ΦΦ300W의 일정한 레이저 출력과 400, 800 및 1200mm/s의 세 가지 다른 레이저 속도에 의해 생성된 3D 용융 풀 전체에 걸쳐. 그림  9 (d)~(f)는 로컬ΦΦ해당 3D 보기에서 밝은 회색 평면으로 표시된 특정 yz 단면의 분포. 이 yz 섹션은 가장 높기 때문에 선택되었습니다.Φ¯¯¯¯Φ¯용융 풀 내의 값은 각각 23.40, 11.85 및 2.45pct입니다. 이들은 그림  3 의 실험 데이터와 비교하기에 적절하지 않을 수 있는 액체 용융 풀의 과도 값이며Φ¯¯¯¯Φ¯그림  6 의 값은 이 값이 고체-액체 계면에 가깝지 않고 용융 풀의 중간에서 취해졌기 때문입니다. 온도가 훨씬 낮아서 핵이 생존하고 성장할 수 있기 때문에 핵 형성은 용융 풀의 중간이 아닌 고체-액체 계면에 더 가깝게 발생할 가능성이 있습니다.

그림  3 (a), (d), (g), (h)에서 위쪽 중심선에서 멀리 떨어져 있는 흩어진 결정립이 있었습니다. 그들은 훨씬 더 높은 열 구배와 더 낮은 응고 속도 필드에 위치하기 때문에 과냉각 이론은 이러한 영역에서 표류 입자의 형성에 대한 만족스러운 설명이 아닙니다. 이것은 떠돌이 결정립의 형성을 야기할 수 있는 두 번째 메커니즘,  수상돌기의 팁을 가로지르는 유체 흐름에 의해 유발되는 수상돌기 조각화를 고려하도록 동기를 부여합니다. 유체 흐름이 열 구배를 따라 속도 성분을 갖고 고체-액체 계면 속도보다 클 때, 주상 수상돌기의 국지적 재용융은 용질이 풍부한 액체가 흐물흐물한 구역의 깊은 곳에서 액상선 등온선까지 이동함으로써 발생할 수 있습니다. . 55] 분리된 수상돌기는 대류에 의해 열린 액체로 운반될 수 있습니다. 풀이 과냉각 상태이기 때문에 이러한 파편은 고온 조건에서 충분히 오래 생존하여 길 잃은 입자의 핵 생성 사이트로 작용할 수 있습니다. 결과적으로 수상 돌기 조각화 과정은 활성 핵의 수를 효과적으로 증가시킬 수 있습니다.N0N0) 용융 풀 15 , 60 , 61 ] 에서 생성된 미세 구조에서 표류 입자의 면적을 증가시킵니다.

그림  9 (a) 및 (b)에서 반동 압력은 용융 유체를 아래쪽으로 흐르게 하여 결과 흐름을 지배합니다. 유체 속도의 역방향 요소는 V = 400 및 800mm/s에 대해 각각 최대값 1.0 및 1.6m/s로 더 느려집니다 . 그림  9 (c)에서 레이저 속도가 더 증가함에 따라 증기 침하가 더 얕고 넓어지고 반동 압력이 더 고르게 분포되어 증기 침강에서 주변 영역으로 유체를 밀어냅니다. 역류는 최대값 3.5m/s로 더 빨라집니다. 용융 풀의 최대 너비에서 yz 단면  의 키홀 아래 평균 유체 속도는 그림에 표시된 경우에 대해 0.46, 0.45 및 1.44m/s입니다.9 (a), (b) 및 (c). 키홀 깊이의 변동은 각 경우의 최대 깊이와 최소 깊이의 차이로 정의되는 크기로 정량화됩니다. 240 범위의 강한 증기 내림 변동 μμm은 그림 9 (a)의 V = 400mm/s 경우에서  발견 되지만 이 변동은 그림  9 (c)에서 16의 범위로  크게 감소합니다.μμ미디엄. V = 400mm/s인 경우 의 유체장과 높은 변동 범위는 이전 키홀 동역학 시뮬레이션과 일치합니다. 34 ]

따라서 V = 400mm/s 키홀 케이스의 무질서한 변동 흐름이 용융 풀 경계를 따라 응고된 주상 수상돌기에서 분리된 조각을 구동할 가능성이 있습니다. V = 1200mm/s의 경우 강한 역류 는 그림 3 에서 관찰되지 않았지만 동일한 효과를 가질 수 있습니다. . 덴드라이트 조각화에 대한 유체 유동장의 영향에 대한 이 경험적 설명은 용융 풀 경계 근처에 떠돌이 입자의 존재에 대한 그럴듯한 설명을 제공합니다. 분명히 하기 위해, 우리는 이 가설을 검증하기 위해 이 현상에 대한 직접적인 실험적 관찰을 하지 않았습니다. 이 작업에서 표유 입자 면적 분율을 계산할 때 단순화를 위해 핵 생성 모델링에 일정한 핵 생성 수 밀도가 적용되었습니다. 이는 그림  9 의 표류 입자 영역 비율 이 수지상정 조각화가 발생하는 경우 이러한 높은 유체 흐름 용융 풀에서 발생할 수 있는 것,  강화된 핵 생성 밀도를 반영하지 않는다는 것을 의미합니다.

위의 이유로 핵 형성에 대한 수상 돌기 조각화의 영향을 아직 배제할 수 없습니다. 그러나 단편화 이론은 용접 문헌 [ 62 ] 에서 검증될 만큼 충분히 개발되지 않았 으므로 부차적인 중요성만 고려된다는 점에 유의해야 합니다. 1200mm/s를 초과하는 레이저 스캐닝 속도는 최소한의 표류 결정립 면적 분율을 가지고 있음에도 불구하고 분명한 볼링을 나타내기 때문에 단결정 수리 및 AM 처리에 적합하지 않습니다. 따라서 낮은 P 및 높은 V 에 의해 생성된 응고 전면 근처에서 키홀 변동이 최소화되고 유체 속도가 완만해진 용융 풀이 생성된다는 결론을 내릴 수 있습니다., 처리 창의 극한은 아니지만 흩어진 입자를 나타낼 가능성이 가장 적습니다.

마지막으로 단일 레이저 트랙의 응고 거동을 조사하면 에피택셜 성장 동안 표류 입자 형성을 더 잘 이해할 수 있다는 점에 주목하는 것이 중요합니다. 우리의 현재 결과는 최적의 레이저 매개변수에 대한 일반적인 지침을 제공하여 최소 스트레이 그레인을 달성하고 단결정 구조를 유지합니다. 이 가이드라인은 250W 정도의 전력과 600~800mm/s의 스캔 속도로 최소 흩어진 입자에 적합한 공정 창을 제공합니다. 각 처리 매개변수를 신중하게 선택하면 과거에 스테인리스강에 대한 거의 단결정 미세 구조를 인쇄하는 데 성공했으며 이는 CMSX-4 AM 빌드에 대한 가능성을 보여줍니다. 63 ]신뢰성을 보장하기 위해 AM 수리 프로세스를 시작하기 전에 보다 엄격한 실험 테스트 및 시뮬레이션이 여전히 필요합니다. 둘 이상의 레이저 트랙 사이의 상호 작용도 고려해야 합니다. 또한 레이저, CMSX-4 분말 및 벌크 재료 간의 상호 작용이 중요하며, 수리 중에 여러 층의 CMSX-4 재료를 축적해야 하는 경우 다른 스캔 전략의 효과도 중요한 역할을 할 수 있습니다. 분말이 포함된 경우 Lopez-Galilea 등 의 연구에서 제안한 바와 같이 분말이 주로 완전히 녹지 않았을 때 추가 핵 생성 사이트를 도입하기 때문에 단순히 레이저 분말과 속도를 조작하여 흩어진 입자 형성을 완화하기 어려울 수 있습니다 . 22 ]결과적으로 CMSX-4 단결정을 수리하기 위한 레이저 AM의 가능성을 다루기 위해서는 기판 재료, 레이저 출력, 속도, 해치 간격 및 층 두께의 조합을 모두 고려해야 하며 향후 연구에서 다루어야 합니다. CFD 모델링은 2개 이상의 레이저 트랙 사이의 상호작용과 열장에 미치는 영향을 통합할 수 있으며, 이는 AM 빌드 시나리오 동안 핵 생성 조건으로 단일 비드 연구의 지식 격차를 해소할 것입니다.


LPBF 제조의 특징적인 조건 하에서 CMSX-4 단결정 의 에피택셜(기둥형)  등축 응고 사이의 경쟁을 실험적 및 이론적으로 모두 조사했습니다. 이 연구는 고전적인 응고 개념을 도입하여 빠른 레이저 용융의 미세 구조 특징을 설명하고 응고 조건과 표유 결정 성향을 예측하기 위해 해석적 및 수치적 고충실도 CFD 열 모델 간의 비교를 설명했습니다. 본 연구로부터 다음과 같은 주요 결론을 도출할 수 있다.

  • 단일 레이저 트랙의 레이저 가공 조건은 용융 풀 형상, 레이저 흡수율, 유체 흐름 및 키홀 요동, 입자 구조 및 표류 입자 형성 민감성에 강한 영향을 미치는 것으로 밝혀졌습니다.
  • 레이저 용접을 위해 개발된 이론적인 표유 결정립 핵형성 분석이 레이저 용융 AM 조건으로 확장되었습니다. 분석 모델링 결과와 단일 레이저 트랙의 미세구조 특성화를 비교하면 예측이 전도 및 볼링 조건에서 실험적 관찰과 잘 일치하는 반면 키홀 조건에서는 예측이 약간 과소하다는 것을 알 수 있습니다. 이러한 불일치는 레이저 트랙의 대표성이 없는 섹션이나 유체 속도 필드의 변화로 인해 발생할 수 있습니다. CFD 모델에서 추출한 열장에 동일한 표유 입자 계산 파이프라인을 적용하면 연구된 모든 사례에서 과대평가가 발생하지만 분석 모델보다 연장된 용융 풀의 실험 데이터와 더 정확하게 일치합니다.
  • 이 연구에서 두 가지 표류 결정립 형성 메커니즘인 불균일 핵형성 및 수상돌기 조각화가 평가되었습니다. 우리의 결과는 불균일 핵형성이 용융 풀의 상단 중심선에서 새로운 결정립의 형성으로 이어지는 주요 메커니즘임을 시사합니다.지 /V티G/V티정권.
  • 용융 풀 경계 근처의 흩어진 입자는 깊은 키홀 모양의 용융 풀에서 독점적으로 관찰되며, 이는 강한 유체 흐름으로 인한 수상 돌기 조각화의 영향이 이러한 유형의 용융 풀에서 고려하기에 충분히 강력할 수 있음을 시사합니다.
  • 일반적으로 더 높은 레이저 스캐닝 속도와 더 낮은 전력 외에도 안정적인 키홀과 최소 유체 속도는 또한 흩어진 입자 형성을 완화하고 레이저 단일 트랙에서 에피택셜 성장을 보존합니다.


  1. R.C. Reed: The Superalloys: Fundamentals and Applications, Cambridge University Press, Cambridge, 2006, pp.17–20.Book Google Scholar 
  2. A. Basak, R. Acharya, and S. Das: Metall. Mater. Trans. A, 2016, vol. 47A, pp. 3845–59.Article Google Scholar 
  3. J. Vitek: Acta Mater., 2005, vol. 53, pp. 53–67.Article CAS Google Scholar 
  4. R. Vilar and A. Almeida: J. Laser Appl., 2015, vol. 27, p. S17004.Article Google Scholar 
  5. T. Kalfhaus, M. Schneider, B. Ruttert, D. Sebold, T. Hammerschmidt, J. Frenzel, R. Drautz, W. Theisen, G. Eggeler, O. Guillon, and R. Vassen: Mater. Des., 2019, vol. 168, p. 107656.Article CAS Google Scholar 
  6. S.S. Babu, S.A. David, J.W. Park, and J.M. Vitek: Sci. Technol. Weld. Join., 2004, vol. 9, pp. 1–12.Article CAS Google Scholar 
  7. L. Felberbaum, K. Voisey, M. Gäumann, B. Viguier, and A. Mortensen: Mater. Sci. Eng. A, 2001, vol. 299, pp. 152–56.Article Google Scholar 
  8. S. Mokadem, C. Bezençon, J.M. Drezet, A. Jacot, J.D. Wagnière, and W. Kurz: TMS Annual Meeting, 2004, pp. 67–76.
  9. J.M. Vitek: ASM Proc. Int. Conf. Trends Weld. Res., vol. 2005, pp. 773–79.
  10. J.M. Vitek, S. Babu, and S. David: Process Optimization for Welding Single-Crystal Nickel-Bbased Superalloys
  11. J.D. Hunt: Mater. Sci. Eng., 1984, vol. 65, pp. 75–83.Article CAS Google Scholar 
  12. M. Gäumann, R. Trivedi, and W. Kurz: Mater. Sci. Eng. A, 1997, vol. 226–228, pp. 763–69.Article Google Scholar 
  13. M. Gäumann, S. Henry, F. Cléton, J.D. Wagnière, and W. Kurz: Mater. Sci. Eng. A, 1999, vol. 271, pp. 232–41.Article Google Scholar 
  14. M. Gäumann, C. Bezençon, P. Canalis, and W. Kurz: Acta Mater., 2001, vol. 49, pp. 1051–62.Article Google Scholar 
  15. J.M. Vitek, S.A. David, and S.S. Babu: Welding and Weld Repair of Single Crystal Gas Turbine Alloys
  16. B. Kianian: Wohlers Report 2017: 3D Printing and Additive Manufacturing State of the Industry, Annual Worldwide Progress Report, Wohlers Associates, Inc., Fort Collins, 2017.Google Scholar 
  17. M. Ramsperger, L. Mújica Roncery, I. Lopez-Galilea, R.F. Singer, W. Theisen, and C. Körner: Adv. Eng. Mater., 2015, vol. 17, pp. 1486–93.Article CAS Google Scholar 
  18. A.B. Parsa, M. Ramsperger, A. Kostka, C. Somsen, C. Körner, and G. Eggeler: Metals, 2016, vol. 6, pp. 258-1–17.Article Google Scholar 
  19. C. Körner, M. Ramsperger, C. Meid, D. Bürger, P. Wollgramm, M. Bartsch, and G. Eggeler: Metall. Mater. Trans. A, 2018, vol. 49A, pp. 3781–92.Article Google Scholar 
  20. D. Bürger, A. Parsa, M. Ramsperger, C. Körner, and G. Eggeler: Mater. Sci. Eng. A, 2019, vol. 762, p. 138098,Article Google Scholar 
  21. J. Pistor and C. Körner: Sci. Rep., 2021, vol. 11, p. 24482.Article CAS Google Scholar 
  22. I. Lopez-Galilea, B. Ruttert, J. He, T. Hammerschmidt, R. Drautz, B. Gault, and W. Theisen: Addit. Manuf., 2019, vol. 30, p. 100874.CAS Google Scholar 
  23. N. Lu, Z. Lei, K. Hu, X. Yu, P. Li, J. Bi, S. Wu, and Y. Chen: Addit. Manuf., 2020, vol. 34, p. 101228.CAS Google Scholar 
  24. K. Chen, R. Huang, Y. Li, S. Lin, W. Zhu, N. Tamura, J. Li, Z.W. Shan, and E. Ma: Adv. Mater., 2020, vol. 32, pp. 1–8.Google Scholar 
  25. W.J. Sames, F.A. List, S. Pannala, R.R. Dehoff, and S.S. Babu: Int. Mater. Rev., 2016, vol. 61, pp. 315–60.Article Google Scholar 
  26. A. Basak, R. Acharya, and S. Das: Addit. Manuf., 2018, vol. 22, pp. 665–71.CAS Google Scholar 
  27. R. Jiang, A. Mostafaei, J. Pauza, C. Kantzos, and A.D. Rollett: Mater. Sci. Eng. A, 2019. Google Scholar 
  28. R. Cunningham, C. Zhao, N. Parab, C. Kantzos, J. Pauza, K. Fezzaa, T. Sun, and A.D. Rollett: Science, 2019, vol. 363, pp. 849–52.Article CAS Google Scholar 
  29. B. Fotovvati, S.F. Wayne, G. Lewis, and E. Asadi: Adv. Mater. Sci. Eng., 2018, vol. 2018, p. 4920718.Article Google Scholar 
  30. P.-J. Chiang, R. Jiang, R. Cunningham, N. Parab, C. Zhao, K. Fezzaa, T. Sun, and A.D. Rollett: in Advanced Real Time Imaging II, pp. 77–85.
  31. J. Ye, S.A. Khairallah, A.M. Rubenchik, M.F. Crumb, G. Guss, J. Belak, and M.J. Matthews: Adv. Eng. Mater., 2019, vol. 21, pp. 1–9.Article Google Scholar 
  32. C. Zhao, Q. Guo, X. Li, N. Parab, K. Fezzaa, W. Tan, L. Chen, and T. Sun: Phys. Rev. X, 2019, vol. 9, p. 021052.CAS Google Scholar 
  33. S.A. Khairallah, A.T. Anderson, A. Rubenchik, and W.E. King: Acta Mater., 2016, vol. 108, pp. 36–45.Article CAS Google Scholar 
  34. N. Kouraytem, X. Li, R. Cunningham, C. Zhao, N. Parab, T. Sun, A.D. Rollett, A.D. Spear, and W. Tan: Appl. Phys. Rev., 2019, vol. 11, p. 064054.Article CAS Google Scholar 
  35. T. DebRoy, H. Wei, J. Zuback, T. Mukherjee, J. Elmer, J. Milewski, A. Beese, A. Wilson-Heid, A. De, and W. Zhang: Prog. Mater. Sci., 2018, vol. 92, pp. 112–224.Article CAS Google Scholar 
  36. J.H. Cho and S.J. Na: J. Phys. D, 2006, vol. 39, pp. 5372–78.Article CAS Google Scholar 
  37. I. Yadroitsev, A. Gusarov, I. Yadroitsava, and I. Smurov: J. Mater. Process. Technol., 2010, vol. 210, pp. 1624–31.Article CAS Google Scholar 
  38. S. Ghosh, L. Ma, L.E. Levine, R.E. Ricker, M.R. Stoudt, J.C. Heigel, and J.E. Guyer: JOM, 2018, vol. 70, pp. 1011–16.Article CAS Google Scholar 
  39. Y. He, C. Montgomery, J. Beuth, and B. Webler: Mater. Des., 2019, vol. 183, p. 108126.Article CAS Google Scholar 
  40. D. Rosenthal: Weld. J., 1941, vol. 20, pp. 220–34.Google Scholar 
  41. M. Tang, P.C. Pistorius, and J.L. Beuth: Addit. Manuf., 2017, vol. 14, pp. 39–48.CAS Google Scholar 
  42. R.E. Aune, L. Battezzati, R. Brooks, I. Egry, H.J. Fecht, J.P. Garandet, M. Hayashi, K.C. Mills, A. Passerone, P.N. Quested, E. Ricci, F. Schmidt-Hohagen, S. Seetharaman, B. Vinet, and R.K. Wunderlich: Proc. Int.Symp. Superalloys Var. Deriv., 2005, pp. 467–76.
  43. B.C. Wilson, J.A. Hickman, and G.E. Fuchs: JOM, 2003, vol. 55, pp. 35–40.Article CAS Google Scholar 
  44. J.J. Valencia and P.N. Quested: ASM Handb., 2008, vol. 15, pp. 468–81.Google Scholar 
  45. H.L. Wei, J. Mazumder, and T. DebRoy: Sci. Rep., 2015, vol. 5, pp. 1–7.Google Scholar 
  46. N. Raghavan, R. Dehoff, S. Pannala, S. Simunovic, M. Kirka, J. Turner, N. Carlson, and S.S. Babu: Acta Mater., 2016, vol. 112, pp. 303–14.Article CAS Google Scholar 
  47. R. Lin, H. Wang, F. Lu, J. Solomon, and B.E. Carlson: Int. J. Heat Mass Transf., 2017, vol. 108, pp. 244–56.Article CAS Google Scholar 
  48. M. Bayat, A. Thanki, S. Mohanty, A. Witvrouw, S. Yang, J. Thorborg, N.S. Tiedje, and J.H. Hattel: Addit. Manuf., 2019, vol. 30, p. 100835.CAS Google Scholar 
  49. K. Higuchi, H.-J. Fecht, and R.K. Wunderlich: Adv. Eng. Mater., 2007, vol. 9, pp. 349–54.Article CAS Google Scholar 
  50. Q. Guo, C. Zhao, M. Qu, L. Xiong, L.I. Escano, S.M.H. Hojjatzadeh, N.D. Parab, K. Fezzaa, W. Everhart, T. Sun, and L. Chen: Addit. Manuf., 2019, vol. 28, pp. 600–09.Google Scholar 
  51. J. Trapp, A.M. Rubenchik, G. Guss, and M.J. Matthews: Appl. Mater. Today, 2017, vol. 9, pp. 341–49.Article Google Scholar 
  52. M. Schneider, L. Berthe, R. Fabbro, and M. Muller: J. Phys. D, 2008, vol. 41, p. 155502.Article Google Scholar 
  53. Z. Gan, O.L. Kafka, N. Parab, C. Zhao, L. Fang, O. Heinonen, T. Sun, and W.K. Liu: Nat. Commun., 2021, vol. 12, p. 2379.Article CAS Google Scholar 
  54. B.J. Simonds, E.J. Garboczi, T.A. Palmer, and P.A. Williams: Appl. Phys. Rev., 2020, vol. 13, p. 024057.Article CAS Google Scholar 
  55. J. Dantzig and M. Rappaz: Solidification, 2nd ed., EPFL Press, Lausanne, 2016, pp. 483–532.Google Scholar 
  56. W. Tiller, K. Jackson, J. Rutter, and B. Chalmers: Acta Metall., 1953, vol. 1, pp. 428–37.Article CAS Google Scholar 
  57. D. Zhang, A. Prasad, M.J. Bermingham, C.J. Todaro, M.J. Benoit, M.N. Patel, D. Qiu, D.H. StJohn, M. Qian, and M.A. Easton: Metall. Mater. Trans. A, 2020, vol. 51A, pp. 4341–59.Article Google Scholar 
  58. F. Yan, W. Xiong, and E.J. Faierson: Materials, 2017, vol. 10, p. 1260.Article Google Scholar 
  59. W. Tan and Y.C. Shin: Comput. Mater. Sci., 2015, vol. 98, pp. 446–58.Article CAS Google Scholar 
  60. A. Hellawell, S. Liu, and S.Z. Lu: JOM, 1997, vol. 49, pp. 18–20.Article CAS Google Scholar 
  61. H. Ji: China Foundry, 2019, vol. 16, pp. 262–66.Article Google Scholar 
  62. J.M. Vitek, S.A. David, and L.A. Boatner: Sci. Technol. Weld. Join., 1997, vol. 2, pp. 109–18.Article CAS Google Scholar 
  63. X. Wang, J.A. Muñiz-Lerma, O. Sanchez-Mata, S.E. Atabay, M.A. Shandiz, and M. Brochu: Prog. Addit. Manuf., 2020, vol. 5, pp. 41–49.Article Google Scholar 

Download references

FLOW-3D 수치해석용 컴퓨터 선택 가이드 (update)

Hardware Selection for FLOW-3D Products – FLOW-3D

부분 업데이트 / ㈜에스티아이씨앤디 솔루션사업부

In this blog, Flow Science’s IT Manager Matthew Taylor breaks down the different hardware components and suggests some ideal configurations for getting the most out of your FLOW-3D products.


본 자료는 Flow Science의 IT 매니저 Matthew Taylor가 작성한 자료를 기반으로 STI C&D에서 일부 자료를 보완한 자료입니다. 본 자료를 통해 FLOW-3D 사용자는 최상의 해석용 컴퓨터를 선택할 때 도움을 받을 수 있을 것으로 기대합니다.

수치해석을 하는 엔지니어들은 사용하는 컴퓨터의 성능에 무척 민감합니다. 그 이유는 수치해석을 하기 위해 여러 준비단계와 분석 시간들이 필요하지만 당연히 압도적으로 시간을 소모하는 것이 계산 시간이기 때문일 것입니다.

따라서 수치해석용 컴퓨터의 선정을 위해서 단위 시간당 시스템이 처리하는 작업의 수나 처리량, 응답시간, 평균 대기 시간 등의 요소를 복합적으로 검토하여 결정하게 됩니다.

또한 수치해석에 적합한 성능을 가진 컴퓨터를 선별하는 방법으로 CPU 계산 처리속도인 Flops/sec 성능도 중요하지만 수치해석을 수행할 때 방대한 계산 결과를 디스크에 저장하고, 해석결과를 분석할 때는 그래픽 성능도 크게 좌우하기 때문에 SSD 디스크와 그래픽카드에도 관심을 가져야 합니다.

FLOW SCIENCE, INC. 에서는 일반적인 FLOW-3D를 지원하는 최소 컴퓨터 사양과 O/S 플랫폼 가이드를 제시하지만, 도입 담당자의 경우, 최상의 조건에서 해석 업무를 수행해야 하기 때문에 가능하면 최고의 성능을 제공하는 해석용 장비 도입이 필요합니다. 이 자료는 2022년 현재 FLOW-3D 제품을 효과적으로 사용하기 위한 하드웨어 선택에 대해 사전에 검토되어야 할 내용들에 대해 자세히 설명합니다. 그리고 실행 중인 시뮬레이션 유형에 따라 다양한 구성에 대한 몇 가지 아이디어를 제공합니다.

CPU 최신 뉴스

2024년 04월 01일 기준

CPU Benchmarks
이미지 출처 :

CPU의 선택

CPU는 전반적인 성능에 큰 영향을 미치며, 대부분의 경우 컴퓨터의 가장 중요한 구성 요소입니다. 그러나 데스크탑 프로세서를 구입할 때가 되면 Intel 과 AMD의 모델 번호와 사양을 이해하는 것이 어려워 보일 것입니다.
그리고, CPU 성능을 평가하는 방법에 의해 가장 좋은 CPU를 고른다고 해도 보드와, 메모리, 주변 Chip 등 여러가지 조건에 의해 성능이 달라질 수 있기 때문에 성능평가 결과를 기준으로 시스템을 구입할 경우, 단일 CPU나 부품으로 순위가 정해진 자료보다는 시스템 전체를 대상으로 평가한 순위표를 보고 선정하는 지혜가 필요합니다.

PassMark - CPU Mark
High End CPUs
Updated 31st of March 2024
PassMark – CPU Mark High End CPUs Updated 31st of March 2024


수치해석을 수행하는 CPU의 경우 예산에 따라 Core가 많지 않은 CPU를 구매해야 하는 경우도 있을 수 있습니다. 보통 Core가 많다고 해석 속도가 선형으로 증가하지는 않으며, 해석 케이스에 따라 적정 Core수가 있습니다. 이 경우 예산에 맞는 성능 대비 최상의 코어 수가 있을 수 있기 때문에 Single thread Performance 도 매우 중요합니다. 아래 성능 도표를 참조하여 예산에 맞는 최적 CPU를 찾는데 도움을 받을 수 있습니다.

CPU 성능 분석 방법

부동소수점 계산을 하는 수치해석과 밀접한 Computer의 연산 성능 벤치마크 방법은 대표적으로 널리 사용되는 아래와 같은 방법이 있습니다.

FLOW-3D의 CFD 솔버 성능은 CPU의 부동 소수점 성능에 전적으로 좌우되기 때문에 계산 집약적인 프로그램입니다. 현재 출시된 사용 가능한 모든 CPU를 벤치마킹할 수는 없지만 상대적인 성능을 합리적으로 비교할 수는 있습니다.

특히, 수치해석 분야에서 주어진 CPU에 대해 FLOW-3D 성능을 추정하거나 여러 CPU 옵션 간의 성능을 비교하기 위한 최상의 옵션은 Standard Performance Evaluation Corporation의 SPEC CPU2017 벤치마크(현재까지 개발된 가장 최신 평가기준임)이며, 특히 SPECspeed 2017 Floating Point 결과가 CFD Solver 성능을 매우 잘 예측합니다.

이는 유료 벤치마크이므로 제공된 결과는 모든 CPU 테스트 결과를 제공하지 않습니다. 보통 제조사가 ASUS, Dell, Lenovo, HP, Huawei 정도의 제품에 대해 RAM이 많은 멀티 소켓 Intel Xeon 기계와 같은 값비싼 구성으로 된 장비 결과들을 제공합니다.

CPU 비교를 위한 또 다른 옵션은 Passmark Software의 CPU 벤치마크입니다. PerformanceTest 제품군은 유료 소프트웨어이지만 무료 평가판을 사용할 수 있습니다. 대부분의 CPU는 저렴한 옵션을 포함하여 나열됩니다. 부동 소수점 성능은 전체 벤치마크의 한 측면에 불과하지만 다양한 워크로드에서 전반적인 성능을 제대로 테스트합니다.

예산을 결정하고 해당 예산에 해당하는 CPU를 선택한 후에는 벤치마크를 사용하여 가격에 가장 적합한 성능을 결정할 수 있습니다.


SPEC의 벤치 마크 )

SPEC CPU 2017 (현재까지 가장 최근에 개발된 CPU 성능측정 기준)

다른 컴퓨터 시스템에서 컴퓨팅 계산에 대한 집약적인 워크로드를 비교하는데 사용할 수 있는 성능 측정을 제공하도록 설계된 SPEC CPU 2017에는 SPECspeed 2017 정수, SPECspeed 2017 부동 소수점, SPECrate 2017 정수 및 SPECrate 2017 부동 소수점의 4 가지 제품군으로 구성된 43 개의 벤치 마크가 포함되어 있습니다. SPEC CPU 2017에는 에너지 소비 측정을 위한 선택적 메트릭도 포함되어 있습니다.

<SPEC CPU 벤치마크 보고서>

벤치마크 결과보고서는 제조사별, 모델별로 테스트한 결과를 아래 사이트에 가면 볼 수 있습니다.

<보고서 샘플>

  • SPEC CPU 2017

Designed to provide performance measurements that can be used to compare compute-intensive workloads on different computer systems, SPEC CPU 2017 contains 43 benchmarks organized into four suites: SPECspeed 2017 Integer, SPECspeed 2017 Floating Point, SPECrate 2017 Integer, and SPECrate 2017 Floating Point. SPEC CPU 2017 also includes an optional metric for measuring energy consumption.

클럭 대 코어

일반적으로 클럭 속도가 높은 칩은 CPU 코어를 더 적게 포함합니다. FLOW-3D는 병렬화가 잘되어 있지만, 디스크 쓰기와 같이 일부 작업은 기본적으로 단일 스레드 방식으로 수행됩니다. 따라서 데이터 출력이 빈번하거나 큰 시뮬레이션은 종종 더 많은 코어가 아닌, 더 높은 클럭 속도를 활용합니다. 마찬가지로 코어 및 소켓의 다중 스레딩은 오버헤드를 발생시키므로 작은 문제의 해석일 경우 사용되는 코어 수를 제한하면 성능이 향상될 수 있습니다.

CPU 아키텍처

CPU 아키텍처는 중요합니다. 최신 CPU는 일반적으로 사이클당 더 많은 기능을 제공합니다. 즉, 현재 세대의 CPU는 일반적으로 동일한 클럭 속도에서 이전 CPU보다 성능이 우수합니다. 또한 전력 효율이 높아져 와트당 성능이 향상될 수 있습니다. Flow Science에는 구형 멀티 소켓 12, 16, 24 코어 Xeon보다 성능이 뛰어난 최근 세대 10~12 Core i9 CPU 시스템을 보유하고 있습니다.


해석용 장비에서는 CPU를 오버클럭 하지 않는 것이 좋습니다. 하드웨어를 다년간의 투자라고 생각한다면, 오버클럭화는 발열을 증가시켜 수명을 단축시킵니다. CPU에 따라 안정성도 저하될 수 있습니다. CPU를 오버클럭 할 때는 세심한 열 관리가 권장됩니다.



하이퍼스레딩은 물리적으로 1개의 CPU를 가상으로 2개의 CPU처럼 작동하게 하는 기술로 파이프라인의 단계수가 많고 각 단계의 길이가 짧을때 유리합니다. 다만 수치해석 처럼 모든 코어의 CPU를 100% 사용중인 장시간 수행 시뮬레이션은 일반적으로 Hyper Threading이 비활성화 된 상태에서 더 잘 수행됩니다. FLOW-3D는 100% CPU 사용률이 일반적이므로 새 하드웨어를 구성할 때 Hyper Threading을 비활성화하는 것이 좋습니다. 설정은 시스템의 BIOS 설정에서 수행합니다.

몇 가지 워크로드의 경우에는 Hyper Threading을 사용하여 약간 더 나은 성능을 보이는 경우가 있습니다. 따라서, 최상의 런타임을 위해서는 두 가지 구성중에서 어느 구성이 더 적합한지 시뮬레이션 유형을 테스트하는 것이 좋습니다.


여러 코어를 사용할 때 성능은 선형적이지 않습니다. 예를 들어 12 코어 CPU에서 24 코어 CPU로 업그레이드해도 시뮬레이션 런타임이 절반으로 줄어들지 않습니다. 시뮬레이션 유형에 따라 16~32개 이상의 CPU 코어를 선택할 때는 FLOW-3D 및 FLOW-3D CAST의 HPC 버전을 사용하거나 FLOW-3D CLOUD로 이동하는 것을 고려하여야 합니다.

AMD Ryzen 또는 Epyc CPU

AMD는 일부 CPU로 벤치마크 차트를 석권하고 있으며 그 가격은 매우 경쟁력이 있습니다. FLOW SCIENCE, INC. 에서는 소수의 AMD CPU로 FLOW-3D를 테스트했습니다. 현재 Epyc CPU는 이상적이지 않고 Ryzen은 성능이 상당히 우수합니다. 발열은 여전히 신중하게 다뤄져야 할 문제입니다.

<관련 기사>

Graphics 고려 사항

FLOW-3D는 OpenGL 드라이버가 만족스럽게 수행되는 최신 그래픽 카드가 필요합니다. 최소한 OpenGL 3.0을 지원하는 것이 좋습니다. 권장 옵션은 엔비디아의 쿼드로 K 시리즈와 AMD의 파이어 프로 W 시리즈입니다.

특히 엔비디아 쿼드로(NVIDIA Quadro)는 엔비디아가 개발한 전문가 용도(워크스테이션)의 그래픽 카드입니다. 일반적으로 지포스 그래픽 카드가 게이밍에 초점이 맞춰져 있지만, 쿼드로는 다양한 산업 분야의 전문가가 필요로 하는 영역에 광범위한 용도로 사용되고 있습니다. 주로 산업계의 그래픽 디자인 분야, 영상 콘텐츠 제작 분야, 엔지니어링 설계 분야, 과학 분야, 의료 분석 분야 등의 전문가 작업용으로 사용되고 있습니다. 따라서 일반적인 소비자를 대상으로 하는 지포스 그래픽 카드와는 다르계 산업계에 포커스 되어 있으며 가격이 매우 비싸서 도입시 예산을 고려해야 합니다.

유의할 점은 엔비디아의 GTX 게이밍 하드웨어는 볼륨 렌더링의 속도가 느리거나 오동작 등 몇 가지 제한 사항이 있습니다. 일반적으로 노트북에 내장된 통합 그래픽 카드보다는 개별 그래픽 카드를 강력하게 추천합니다. 최소한 그래픽 메모리는 512MB 이상을 권장합니다.

PassMark - G3D Mark
High End Videocards
PassMark – G3D Mark High End Videocards

출처 :

원격데스크탑 사용시 고려 사항

Flow Science는 nVidia 드라이버 버전이 341.05 이상인 nVidia Quadro K, M 또는 P 시리즈 그래픽 하드웨어를 권장합니다. 이 카드와 드라이버 조합을 사용하면 원격 데스크톱 연결이 완전한 3D 가속 기능을 갖춘 기본 하드웨어에서 자동으로 실행됩니다.

원격 데스크톱 세션에 연결할 때 nVidia Quadro 그래픽 카드가 설치되어 있지 않으면 Windows는 소프트웨어 렌더링을 사용합니다. FLOW-3D 가 소프트웨어 렌더링을 사용하고 있는지 확인하려면 FLOW-3D 도움말 메뉴에서 정보를 선택하십시오. GDI Generic을 소프트웨어 렌더링으로 사용하는 경우 GL_RENDERER 항목에 표시됩니다.

하드웨어 렌더링을 활성화하는 몇 가지 옵션이 있습니다. 쉬운 방법 중 하나는 실제 콘솔에서 FLOW-3D를 시작한 다음 원격 데스크톱 세션을 연결하는 것입니다. Nice Software DCV 와 같은 일부 VNC 소프트웨어는 기본적으로 하드웨어 렌더링을 사용합니다.

RAM 고려 사항

프로세서 코어당 최소 4GB의 RAM은 FLOW-3D의 좋은 출발입니다. POST Processor를 사용하여 후처리 작업을 할 경우 충분한 양의 RAM을 사용하는 것이 좋습니다.

현재 주력제품인 DDR4보다 2배 빠른 DDR5가 곧 출시된다는 소식도 있습니다.

일반적으로 FLOW-3D를 이용하여 해석을 할 경우 격자(Mesh)수에 따라 소요되는 적정 메모리 크기는 아래와 같습니다.페이지 보기

  • 초대형 (2억개 이상의 셀) : 최소 128GB
  • 대형 (60 ~ 1억 5천만 셀) : 64 ~ 128GB
  • 중간 (30-60백만 셀) : 32-64GB
  • 작음 (3 천만 셀 이하) : 최소 32GB

HDD 고려 사항

수치해석은 해석결과 파일의 데이터 양이 매우 크기 때문에 읽고 쓰는데, 속도면에서 매우 빠른 SSD를 적용하면 성능면에서 큰 도움이 됩니다. 다만 SSD 가격이 비싸서 가성비 측면을 고려하여 적정수준에서 결정이 필요합니다.

CPU와 저장장치 간 데이터가 오고 가는 통로가 그림과 같이 3가지 방식이 있습니다. 이를 인터페이스라 부르며 SSD는 흔히 PCI-Express 와 SATA 통로를 이용합니다.

흔히 말하는 NVMe는 PCI-Express3.0 지원 SSD의 경우 SSD에 최적화된 NVMe (NonVolatile Memory Express) 전송 프로토콜을 사용합니다. 주의할 점은 MVMe중에서 SATA3 방식도 있기 때문에 잘 구별하여 구입하시기 바랍니다.

그리고 SSD를 선택할 경우에도 SSD 종류 중에서 PCI Express 타입은 매우 빠르고 가격이 고가였지만 최근에는 많이 저렴해졌습니다. 따라서 예산 범위내에서 NVMe SSD등 가장 효과적인 선택을 하는 것이 좋습니다.
( 참고 : 해석용 컴퓨터 SSD 고르기 참조 )

기존의 물리적인 하드 디스크의 경우, 디스크에 기록된 데이터를 읽기 위해서는 데이터를 읽어내는 헤드(바늘)가 물리적으로 데이터가 기록된 위치까지 이동해야 하므로 이동에 일정한 시간이 소요됩니다. (이러한 시간을 지연시간, 혹은 레이턴시 등으로 부름) 따라서 하드 디스크의 경우 데이터를 읽기 위한 요청이 주어진 뒤에 데이터를 실제로 읽기까지 일정한 시간이 소요되는데, 이 시간을 일정한 한계(약 10ms)이하로 줄이는 것이 불가능에 가까우며, 데이터가 플래터에 실제 기록된 위치에 따라서 이러한 데이터에의 접근시간 역시 차이가 나게 됩니다.

하지만 HDD의 최대 강점은 가격대비 용량입니다. 현재 상용화되어 판매하는 대용량 HDD는 12TB ~ 15TB가 공급되고 있으며, 이는 데이터 저장이나 백업용으로 가장 좋은 선택이 됩니다.
결론적으로 데이터를 직접 읽고 쓰는 드라이브는 SSD를 사용하고 보관하는 용도의 드라이브는 기존의 HDD를 사용하는 방법이 효과적인 선택이 될 수 있습니다.

PassMark – Disk Rating High End Drives

PassMark - Disk Rating
High End Drives
PassMark – Disk Rating High End Drives

출처 :

상기 벤치마크 테스트는 테스트 조건에 따라 그 성능 곡선이 달라질 수 있기 때문에 조건을 확인할 필요가 있습니다. 예를 들어 Windows7, windows8, windows10 , windows11 모두에서 테스트한 결과를 평균한 점수와 자신이 사용할 컴퓨터 O/S에서 테스트한 결과는 다를 수 있습니다. 상기 결과에 대한 테스트 환경에 대한 내용은 아래 사이트를 참고하시기 바랍니다.

참고 : 테스트 환경

페이지 보기

FLOW-3D World Users Conference 2023

FLOW-3D World Users Conference 2023

FLOW-3D World Users Conference 2023
FLOW-3D World Users Conference 2023

FLOW-3D World Users Conference 2023 에 전 세계 고객을 초대합니다 . 이 회의는 2023년 6월 5일부터 7일까지 프랑스 스트라스부르 의 Sofitel Strasbourg Grande Ile 에서 개최됩니다. 세계에서 가장 유명한 회사 및 기관의 동료 엔지니어, 연구원 및 과학자와 함께 시뮬레이션 기술을 연마하고 새로운 모델링 접근 방식을 탐색하고 최신 소프트웨어 개발에 대해 알아보십시오. 이 회의에서는 응용 분야별 트랙, 고급 교육 세션, 고객의 기술 프레젠테이션, Flow Science의 선임 기술 직원이 발표하는 최신 제품 개발을 선보일 예정입니다. 회의는 XC Engineering 이 공동 주최합니다 . 

초록 요청

초록 모집은 2023년 3월 31일까지 가능합니다!

경험을 공유하고 성공 사례를 제시하며  FLOW-3D  사용자 커뮤니티 및 고위 기술 직원으로부터 귀중한 피드백을 얻으십시오. 초록에는 제목, 저자 및 200단어 이상의 설명이 포함되어야 하며 으로 이메일을 보낼 수 있습니다 . 

소셜 이벤트

오프닝 리셉션

리셉션은 6월 5일 월요일 18:00-19:00 사이 Vineyard에 있는 Sofitel Strasbourg Grande Ile 컨퍼런스 호텔에서 열립니다 . 모든 컨퍼런스 참석자는 이 행사에 초대됩니다.

컨퍼런스 디너

회의 만찬은 6월 6일 화요일 저녁에 열릴 예정입니다. 모든 회의 참석자는 이 행사에 초대됩니다. 시간 및 장소는 미정입니다. 자세한 내용은 계속 지켜봐 주세요!

컨퍼런스 정보

중요한 날들

  • 2023년 3월 31일: 초록 마감일
  • 2023년 4월 7일: 초록 접수
  • 2023년 5월 26일: 프레젠테이션 마감일
  • 2023년 6월 5일: 고급 교육 세션
  • 2023년 6월 6일: 컨퍼런스 만찬


  • 컨퍼런스 1일차 및 2일차: 300 €
  • 컨퍼런스 첫째 날: 200 €
  • 컨퍼런스 2일차: 200 €
  • 게스트 요금(사교 행사만 해당): 50 €
  • 교육 세션: 무료!

고급 교육 세션

모든 교육 세션은 컨퍼런스 참석자에게 무료입니다!

교육 일정

2023년 6월 5일 월요일

  • 1:30-300:  FLOW-3D (x)
  • 3:00-3:30: 다과와 커피 브레이크
  • 3:30-4:00: 재조정 및 클라우드 컴퓨팅
  • 4:00-5:30: FLOW-3D POST 

FLOW-3D POST: 기본을 넘어 시뮬레이션 문제 해결 및 고급 장면 렌더링

FLOW-3D POST 는 사용자가 셀 수준 포인트 속성 조사에서 전체 장면 고급 렌더링까지 쉽게 초점을 변경할 수 있는 유연하고 강력한 후처리 도구입니다. 이 교육에서는 두 가지 일반적인 후처리 기능을 살펴봅니다. 먼저 문제 해결 또는 런타임 개선 목적으로 포인트 값 정보를 추출하는 방법을 배웁니다. 이 부분은 매우 기술적인 부분이지만 시뮬레이션이 수치적 어려움이나 비효율성에 직면할 수 있는 이유에 대한 통찰력을 제공하는 보상을 제공합니다. 두 번째 부분에서는 벡터, 광선 추적 및 이동 카메라 효과를 사용하여 고급 렌더링 효과를 활용하여 매력적인 이미지와 애니메이션을 만드는 방법을 배웁니다.

FLOW-3D (x): 자동화를 통한 효율성 및 개선된 시뮬레이션 통찰력

FLOW-3D (x) 는 FLOW-3D 툴킷에 추가된 강력한 기능으로 사용자가 CAD 매개변수 정의에서 자동화된 시뮬레이션 및 후처리 전체 주기 워크플로우를 통해 많은 시뮬레이션 요소를 쉽게 연결, 자동화 및 최적화할 수 있습니다. 이 교육에서 사용자는 견고한 시뮬레이션 환경을 만들기 위해 다른 소프트웨어 노드와 함께 FLOW-3D (x) 를 사용하는 방법을 배우게 됩니다.

참석자는 컨퍼런스 후 FLOW-3D (x) 의 3개월 무료 라이선스를 받게 됩니다 .

Rescale: FLOW-3D 사용자가 클라우드 기반 고성능 컴퓨팅(HPC) 리소스를 활용할 수 있는 새로운 플랫폼

Flow Science는 고객 이 다양한 원격 하드웨어에서 FLOW-3D 모델 을 실행할 수 있도록 새로운 클라우드 기반 리소스인 Rescale 을 제공하고 있습니다. 이 교육은 다음 세 가지 주제로 구성됩니다. 

  1. Rescale 계정 개설, 모델 실행 및 데이터 후처리 
  2. 명령줄 모드에서 Rescale에서 실행하는 것과 사용자 인터페이스 기반 환경에서 Rescale을 사용하는 것 비교. 그리고 
  3. Rescale에서 사용할 수 있는 다양한 유형의 하드웨어 아키텍처에 대한 자세한 벤치마킹을 통해 하드웨어 선택 및 HPC 배포 전략과 관련된 비용 성능 고려 사항을 명확히 합니다. 교육 세션이 끝나면 사용자는 Rescale 플랫폼에서 모델을 실행하는 비용과 실용성을 모두 명확하게 이해할 수 있습니다.

발표자 정보

각 발표자는 Q & A를 포함하여 30분의 발언 시간을 갖습니다. 모든 프레젠테이션은 컨퍼런스 참석자와 컨퍼런스 후 웹사이트에 배포됩니다. 이 회의에는 전체 보고서가 필요하지 않습니다. 컨퍼런스에서 발표하는 것에 대해 질문이 있으시면 저희에게 연락해 주십시오 . XC Engineering은 Best Presentation Award를 후원합니다.


컨퍼런스 호텔

소피텔 스트라스부르그 그란데 일

4 위 Saint Pierre le Jeune
67000 STRASBOURG 프랑스

GPS: 48.585184, 7.746356
팩스 +33 3 88 15 49 99

기차 및 공항 정보 는 호텔 웹사이트 를 참조하십시오.

회의실 요금

회의실 블록은 2023년 1월 15일부터 4월 15일까지 운영됩니다.

  • 클래식룸: 1박당 195.00유로
  • 수페리어룸: 1박당 220.00유로
  • 발코니가 있는 수페리어룸: 1박당 250.00유로
  • 럭셔리룸: 1박당 250.00유로
  • 1인 조식 포함
  • 2인 숙박 시 추가 요금: 1박당 30.00유로
  • 지방세: 1인 1박당 3.30유로
  • 도착 7일 이전에 통보하는 경우 무료 취소가 가능합니다.
소피텔 스트라스부르
소피텔 스트라스부르 로비
소피텔 스트라스부르 테라스

리켄 RIBF 조감도. 3 개의 입사 (RILAC, RILAC2, AVF), 4 개의 링 사이클로트론 (RRC, fRC, IRC, SRC), RI 빔 분리 장치 BigRIPS 및 다양한 실험 장치로 구성

Riken RIBF의 He 가스 스트리퍼 및 하전 변환 링 계획

国立研究開発法人理化学研究所 〒 351-0198 埼玉県和光市広沢 2-1
令和 4 年 9 月 16 日原稿受付


리켄 RI 빔 팩토리(RIBF)는 지속적으로 우라늄 빔의 대강도화에 임하고 있으며, 지난 10년간 200배 이상의 강도 증강에 성공하고 있다. He 가스를 이용한 하전 스트리퍼 (He 가스 스트리퍼)의 실현은 그 고강도화의 큰 터닝 포인트였다. 또한, 하전 변환 효율을 비약적으로 올리기 위해 현재 제안하고 있는 하전 변환 링(CSR)은 더욱 큰 강도화가 큰 열쇠가 되는 장치이다. He 스트리퍼와 CSR 계획에 관한 관련 물리 화제와 문제를 섞어 소개한다.


리켄 RI 빔 팩토리 (RIBF [1])와 같이 여러 가속기를 사용하여 중이온의 다단계 가속에서 가속가수의 선택성은 특징적인 자유도 중 하나이다. 가속기의 시작점이되는 이온 소스로부터 생성 된 이온의 원자가의 선택과 가속 도중의 원자가는 “하전 스트리퍼”라고 불리는 장치에 의해 제어 선택된다.

가능한 한 다가가 가속기에서의 가속이나 편향은 효율적이지만, 이온원으로 다가 이온을 대강도로 얻는 것은 일반적으로 어렵고, 스트리퍼로 다가로 하기 위해서는 충분히 가속되어 있어야 한다 있다. 가수를 어느 단계에서 어디까지 올리는지, 그 가속 전략의 최적화는 중이온 가속기 설계의 간이다.

특히 스트리퍼의 성능(얻어지는 가수·변환 효율·내구성·균일성 등)은 가속기 전체의 성능(가속 가능 빔 강도·가속 효율·안정성 등)을 결정하는 가장 중요한 인자라고 할 수 있다. 스트리퍼에는 다양한 기술적인 어려움이 있지만, 이온 원자 충돌의 물리 그 자체를 구현한 장치이며, 축축, 중이온 가속기의 성능은 원자 충돌 과정에 지배되고 있다고 해도 과언이 아니다 .

본 논문에서는 제가 중심으로 개발을 하고 있는 리켄 RIBF 에 있어서의 He 가스 스트리퍼[2–4]와 장래 계획의 하나 하전 변환 링(CSR[5–7])에 대해서, 관련하는 물리의 화제 와 문제를 섞어 소개한다. 모두 가장 가속하기 어려운 우라늄 빔에의 적용을 주안으로 한 것으로, 우선 RIBF에서의 우라늄 빔 가속에 대해 개관한다.

理研 RI ビームファクトリー(RIBF[1])のように複 数の加速器を用いた重イオンの多段階加速にお いて,加速価数の選択性は特徴的な自由度の一 つである.加速器の始点となるイオン源からの生 成イオンの価数の選択,そして加速途中の価数も 「荷電ストリッパー」と呼ばれる装置によって制御 選択される.なるべく多価の方が加速器での加速 や偏向は効率的あるが,イオン源で多価イオンを 大強度で得るのは一般に難しく,ストリッパーで多 価にするためには十分加速されている必要がある. 価数をどの段階でどこまで上げるのか,その加速 ストラテジーの最適化は重イオン加速器設計の肝 である.特にストリッパーの性能(得られる価数・変 換効率・耐久性・均一性など)は加速器全体の性 能(加速可能ビーム強度・加速効率・安定性など) を決める最重要因子といえる.ストリッパーには 様々な技術的な難しさはあるが,イオン原子衝突 の物理そのものを体現した装置であり,畢竟,重 イオン加速器の性能は原子衝突過程に支配され ているといっても過言ではない. 本稿では私が中心となって開発を行っている 理研 RIBF における He ガスストリッパー[2–4]と将 来計画の一つ荷電変換リング(CSR[5–7])につい て,関連する物理の話題や問題を織り交ぜながら 紹介する.いずれも最も加速の難しいウランビームへの適用を主眼としたものであり,先ず RIBF に おけるウランビーム加速について概観する.

리켄 RIBF 조감도. 3 개의 입사 (RILAC, RILAC2, AVF), 4 개의 링 사이클로트론 (RRC, fRC, IRC, SRC), RI 빔 분리 장치 BigRIPS 및 다양한 실험 장치로 구성
리켄 RIBF 조감도. 3 개의 입사 (RILAC, RILAC2, AVF), 4 개의 링 사이클로트론 (RRC, fRC, IRC, SRC), RI 빔 분리 장치 BigRIPS 및 다양한 실험 장치로 구성
그림 7 : He 가스 스트리퍼의 단면도와 실제 사진 (왼쪽 아래) 및 빔 통과시의 발광 모습 (오른쪽 아래).
그림 7 : He 가스 스트리퍼의 단면도와 실제 사진 (왼쪽 아래) 및 빔 통과시의 발광 모습 (오른쪽 아래).


[1] Y. Yano, Nucl. Instrum. Methods Phys. Res. B261, 1009 (2007).
[2] H. Okuno et al., Phys. Rev. ST Accel. Beams14, 033503 (2011).
[3] H. Imao et al., Phys. Rev. STAccel. Beams 15,123501 (2012).
[4] H. Imao et al., CYC2013, 265 (2013).
[5] H. Imao et al., CYC2016, 155 (2016).
[6] H. Imao, JINST 15, P12036 (2020).
[7] H. Imao et al., IPAC2022, TUIYGD2 (2022).
[8] H. Hasebe et al., AIPConf. Proc. 1962, 030004(2018).
[9] H. Hasebe et al., EPJ Web Conf. 229, 01004(2020).
[10] N. Fukunishi et al., PAC09, MO3GRI01(2009).
[11] N. Bohr and J. Lindhard, Mat. Fys. Medd. Dan.Vid. 28 No.7 (1954).
[12] H. D. Betz and L. Grodzins, Phys. Rev. Lett.25, 211 (1970).
[13] J. H. McGuire and P. Richard, Phys. Rev. A 8,1374 (1973).
[14] A. S. Schlachter et al., Phys. Rev. A 27, 3372(1983).
[15] C. Scheidenberger et al., Nucl. Instrum.Methods Phys. Res. B 142, 441 (1998).
[16] J. P. Rozet et al., Nucl. Instrum. Methods Phys.Res. B 107, 67b (1996).
[17] E. Lamour et al., Phys. Rev. A 92, 042703(2015).
[18] T. Kanemura et al., Phys. Rev. Lett. 128,212301 (2022).
[19] H. Ryuto et al., CYC2007, 314 (2007).
[20] P. Scharrer et al., Phys. Rev. ST Accel. Beams 20, 043503 (2017).
[21] H. Kuboki et al., Phys. Rev. ST Accel. Beams 14, 053502 (2011).
[22] H. Geissel et al., Nucl. Instrum. Methods Phys. Res. B 195, 3 (2002).
[23] J. Wei et al., NA-PAC’13, 1453 (2013).
[24] FAIR Baseline Technical Report, vol. 2 (2006).
[25] D. Jeon, IPAC2013, 3898 (2013).
[26] J. C. Yang et al., IPAC2013, WEOBB103(2013).

Fig. 1 Multi-physics phenomena in the laser-material interaction zone


316-L 스테인리스강의 레이저 분말 베드 융합 중 콜드 스패터 형성의 충실도 높은 수치 모델링

*Corresponding author
1Technical University of Denmark (DTU), 2800, Kgs, Lyngby, Denmark


L-PBF(Laser Powder Bed Fusion)는 금속 적층 제조(MAM) 기술로, 기존 제조 공정에 비해 부품 설계 자유도, 조립품 통합, 부품 맞춤화 및 낮은 툴링 비용과 같은 여러 이점을 산업에 제공합니다.

전기 코일 및 열 관리 장치는 일반적으로 높은 전기 및 열 전도성 특성으로 인해 순수 구리로 제조됩니다. 따라서 순동의 L-PBF가 가능하다면 기하학적으로 최적화된 방열판과 자유형 전자코일을 제작할 수 있습니다.

그러나 L-PBF로 조밀한 순동 부품을 생산하는 것은 적외선에 대한 낮은 광 흡수율과 높은 열전도율로 인해 어렵습니다. 기존의 L-PBF 시스템에서 조밀한 구리 부품을 생산하려면 적외선 레이저의 출력을 500W 이상으로 높이거나 구리의 광흡수율이 높은 녹색 레이저를 사용해야 합니다.

적외선 레이저 출력을 높이면 후면 반사로 인해 레이저 시스템의 광학 구성 요소가 손상되고 렌즈의 열 광학 현상으로 인해 공정이 불안정해질 수 있습니다. 이 작업에서 FVM(Finite Volume Method)에 기반한 다중 물리학 중간 규모 수치 모델은 Flow-3D에서 개발되어 용융 풀 역학과 궁극적으로 부품 품질을 제어하는 ​​물리적 현상 상호 작용을 조사합니다.

녹색 레이저 열원과 적외선 레이저 열원은 기판 위의 순수 구리 분말 베드에 단일 트랙 증착을 생성하기 위해 개별적으로 사용됩니다.

용융 풀 역학에 대한 레이저 열원의 유사하지 않은 광학 흡수 특성의 영향이 탐구됩니다. 수치 모델을 검증하기 위해 단일 트랙이 구리 분말 베드에 증착되고 시뮬레이션된 용융 풀 모양과 크기가 비교되는 실험이 수행되었습니다.

녹색 레이저는 광흡수율이 높아 전도 및 키홀 모드 용융이 가능하고 적외선 레이저는 흡수율이 낮아 키홀 모드 용융만 가능하다. 레이저 파장에 대한 용융 모드의 변화는 궁극적으로 기계적, 전기적 및 열적 특성에 영향을 미치는 열 구배 및 냉각 속도에 대한 결과를 가져옵니다.

Laser Powder Bed Fusion (L-PBF) is a Metal Additive Manufacturing (MAM) technology which offers several advantages to industries such as part design freedom, consolidation of assemblies, part customization and low tooling cost over conventional manufacturing processes. Electric coils and thermal management devices are generally manufactured from pure copper due to its high electrical and thermal conductivity properties. Therefore, if L-PBF of pure copper is feasible, geometrically optimized heat sinks and free-form electromagnetic coils can be manufactured. However, producing dense pure copper parts by L-PBF is difficult due to low optical absorptivity to infrared radiation and high thermal conductivity. To produce dense copper parts in a conventional L-PBF system either the power of the infrared laser must be increased above 500W, or a green laser should be used for which copper has a high optical absorptivity. Increasing the infrared laser power can damage the optical components of the laser systems due to back reflections and create instabilities in the process due to thermal-optical phenomenon of the lenses. In this work, a multi-physics meso-scale numerical model based on Finite Volume Method (FVM) is developed in Flow-3D to investigate the physical phenomena interaction which governs the melt pool dynamics and ultimately the part quality. A green laser heat source and an infrared laser heat source are used individually to create single track deposition on pure copper powder bed above a substrate. The effect of the dissimilar optical absorptivity property of laser heat sources on the melt pool dynamics is explored. To validate the numerical model, experiments were conducted wherein single tracks are deposited on a copper powder bed and the simulated melt pool shape and size are compared. As the green laser has a high optical absorptivity, a conduction and keyhole mode melting is possible while for the infrared laser only keyhole mode melting is possible due to low absorptivity. The variation in melting modes with respect to the laser wavelength has an outcome on thermal gradient and cooling rates which ultimately affect the mechanical, electrical, and thermal properties.


Pure Copper, Laser Powder Bed Fusion, Finite Volume Method, multi-physics

Fig. 1 Multi-physics phenomena in the laser-material interaction zone
Fig. 1 Multi-physics phenomena in the laser-material interaction zone
Fig. 2 Framework for single laser track simulation model including powder bed and substrate (a) computational domain with boundaries (b) discretization of the domain with uniform quad mesh.
Fig. 2 Framework for single laser track simulation model including powder bed and substrate (a) computational domain with boundaries (b) discretization of the domain with uniform quad mesh.
Fig. 3 2D melt pool contours from the numerical model compared to experiments [16] for (a) VED = 65 J/mm3 at 7 mm from the beginning of the single track (b) VED = 103 J/mm3 at 3 mm from the beginning of the single track (c) VED = 103 J/mm3 at 7 mm from the beginning of the single track. In the 2D contour, the non-melted region is indicated in blue, and the melted region is indicated by red and green when the VED is 65 J/mm3 and 103 J/mm3 respectively.
Fig. 3 2D melt pool contours from the numerical model compared to experiments [16] for (a) VED = 65 J/mm3 at 7 mm from the beginning of the single track (b) VED = 103 J/mm3 at 3 mm from the beginning of the single track (c) VED = 103 J/mm3 at 7 mm from the beginning of the single track. In the 2D contour, the non-melted region is indicated in blue, and the melted region is indicated by red and green when the VED is 65 J/mm3 and 103 J/mm3 respectively.
Fig. 4 3D temperature contour plots of during single track L-PBF process at time1.8 µs when (a) VED = 65 J/mm3 (b) VED = 103 J/mm3 along with 2D melt pool contours at 5 mm from the laser initial position. In the 2D contour, the non-melted region is indicated in blue, and the melted region is indicated by red and green when the VED is 65 J/mm3 and 103 J/mm3 respectively.
Fig. 4 3D temperature contour plots of during single track L-PBF process at time1.8 µs when (a) VED = 65 J/mm3 (b) VED = 103 J/mm3 along with 2D melt pool contours at 5 mm from the laser initial position. In the 2D contour, the non-melted region is indicated in blue, and the melted region is indicated by red and green when the VED is 65 J/mm3 and 103 J/mm3 respectively.


[1] L. Jyothish Kumar, P. M. Pandey, and D. I. Wimpenny, 3D printing and additive
manufacturing technologies. Springer Singapore, 2018. doi: 10.1007/978-981-13-0305-0.
[2] T. DebRoy et al., “Additive manufacturing of metallic components – Process, structure
and properties,” Progress in Materials Science, vol. 92, pp. 112–224, 2018, doi:
[3] C. S. Lefky, B. Zucker, D. Wright, A. R. Nassar, T. W. Simpson, and O. J. Hildreth,
“Dissolvable Supports in Powder Bed Fusion-Printed Stainless Steel,” 3D Printing and
Additive Manufacturing, vol. 4, no. 1, pp. 3–11, 2017, doi: 10.1089/3dp.2016.0043.
[4] J. L. Bartlett and X. Li, “An overview of residual stresses in metal powder bed fusion,”
Additive Manufacturing, vol. 27, no. January, pp. 131–149, 2019, doi:
[5] I. H. Ahn, “Determination of a process window with consideration of effective layer
thickness in SLM process,” International Journal of Advanced Manufacturing
Technology, vol. 105, no. 10, pp. 4181–4191, 2019, doi: 10.1007/s00170-019-04402-w.

[6] R. McCann et al., “In-situ sensing, process monitoring and machine control in Laser
Powder Bed Fusion: A review,” Additive Manufacturing, vol. 45, no. May, 2021, doi:
[7] M. Bayat et al., “Keyhole-induced porosities in Laser-based Powder Bed Fusion (L-PBF)
of Ti6Al4V: High-fidelity modelling and experimental validation,” Additive
Manufacturing, vol. 30, no. August, p. 100835, 2019, doi: 10.1016/j.addma.2019.100835.
[8] M. Bayat, S. Mohanty, and J. H. Hattel, “Multiphysics modelling of lack-of-fusion voids
formation and evolution in IN718 made by multi-track/multi-layer L-PBF,” International
Journal of Heat and Mass Transfer, vol. 139, pp. 95–114, 2019, doi:
[9] S. D. Jadhav, L. R. Goossens, Y. Kinds, B. van Hooreweder, and K. Vanmeensel, “Laserbased powder bed fusion additive manufacturing of pure copper,” Additive Manufacturing,
vol. 42, no. March, 2021, doi: 10.1016/j.addma.2021.101990.
[10] S. D. Jadhav, S. Dadbakhsh, L. Goossens, J. P. Kruth, J. van Humbeeck, and K.
Vanmeensel, “Influence of selective laser melting process parameters on texture evolution
in pure copper,” Journal of Materials Processing Technology, vol. 270, no. January, pp.
47–58, 2019, doi: 10.1016/j.jmatprotec.2019.02.022.
[11] H. Siva Prasad, F. Brueckner, J. Volpp, and A. F. H. Kaplan, “Laser metal deposition of
copper on diverse metals using green laser sources,” International Journal of Advanced
Manufacturing Technology, vol. 107, no. 3–4, pp. 1559–1568, 2020, doi: 10.1007/s00170-
[12] L. R. Goossens, Y. Kinds, J. P. Kruth, and B. van Hooreweder, “On the influence of
thermal lensing during selective laser melting,” Solid Freeform Fabrication 2018:
Proceedings of the 29th Annual International Solid Freeform Fabrication Symposium – An
Additive Manufacturing Conference, SFF 2018, no. December, pp. 2267–2274, 2020.
[13] M. Bayat, V. K. Nadimpalli, D. B. Pedersen, and J. H. Hattel, “A fundamental investigation
of thermo-capillarity in laser powder bed fusion of metals and alloys,” International
Journal of Heat and Mass Transfer, vol. 166, p. 120766, 2021, doi:
[14] H. Chen, Q. Wei, Y. Zhang, F. Chen, Y. Shi, and W. Yan, “Powder-spreading mechanisms
in powder-bed-based additive manufacturing: Experiments and computational modeling,”
Acta Materialia, vol. 179, pp. 158–171, 2019, doi: 10.1016/j.actamat.2019.08.030.
[15] S. K. Nayak, S. K. Mishra, C. P. Paul, A. N. Jinoop, and K. S. Bindra, “Effect of energy
density on laser powder bed fusion built single tracks and thin wall structures with 100 µm
preplaced powder layer thickness,” Optics and Laser Technology, vol. 125, May 2020, doi:
[16] G. Nordet et al., “Absorptivity measurements during laser powder bed fusion of pure
copper with a 1 kW cw green laser,” Optics & Laser Technology, vol. 147, no. April 2021,
p. 107612, 2022, doi: 10.1016/j.optlastec.2021.107612.
[17] M. Hummel, C. Schöler, A. Häusler, A. Gillner, and R. Poprawe, “New approaches on
laser micro welding of copper by using a laser beam source with a wavelength of 450 nm,”
Journal of Advanced Joining Processes, vol. 1, no. February, p. 100012, 2020, doi:
[18] M. Hummel, M. Külkens, C. Schöler, W. Schulz, and A. Gillner, “In situ X-ray
tomography investigations on laser welding of copper with 515 and 1030 nm laser beam
sources,” Journal of Manufacturing Processes, vol. 67, no. April, pp. 170–176, 2021, doi:
[19] L. Gargalis et al., “Determining processing behaviour of pure Cu in laser powder bed
fusion using direct micro-calorimetry,” Journal of Materials Processing Technology, vol.
294, no. March, p. 117130, 2021, doi: 10.1016/j.jmatprotec.2021.117130.
[20] A. Mondal, D. Agrawal, and A. Upadhyaya, “Microwave heating of pure copper powder
with varying particle size and porosity,” Journal of Microwave Power and
Electromagnetic Energy, vol. 43, no. 1, pp. 4315–43110, 2009, doi:

Figure 9. Turbulent kinetic energy (TKE) contour map on different sections.

Numerical Simulation Research on the Diversion
Characteristics of a Trapezoidal Channel

Yong Cheng, Yude Song, Chunye Liu, Wene Wang * and Xiaotao Hu
Key Laboratory of Agricultural Soil and Water Engineering in Arid and Semiarid Areas, Ministry of Education, Northwest A&F University, Yangling 712100, China

  • Correspondence:


개방 채널 분기점은 관개 지역에서 가장 일반적인 물 전환 구조입니다. 관개용수 운반에서는 물 운반 효율과 침전이 주요 관심사입니다. 따라서 이 연구는 관개 지역의 물 공급에 대한 개방 채널 분기점의 영향을 분석합니다.

여기에서 FLOW-3D 소프트웨어를 사용하고 15 세트의 작업 조건을 포함하는 수치 시뮬레이션을 통해 개방 채널 분기점에서의 3차원 유동을 연구했습니다. 개수로 분기점 부근의 재순환 구역 및 유동 구조의 수리학적 특성을 분석하였다.

그런 다음 사다리꼴 채널에서 표면 및 바닥층의 흐름 전환 폭에 대한 방정식을 얻었습니다. 수심에 따른 흐름 전환 폭은 사다리꼴 채널과 직사각형 채널에서 다른 것으로 나타났습니다. 결과는 또한 개방 수로 분기점이 주 수로의 유속에 상당한 영향을 미친다는 것을 보여줍니다.

개방 채널 분기점의 재순환 영역에서의 유속은 작았지만 맥동 속도와 난류 운동 에너지는 컸다. 이 지역에서 소산되는 에너지는 상대적으로 커서 수로 물 전달에 도움이 되지 않았습니다.

이 연구는 관개구역의 수로 최적화 및 운영 관리에 대한 참고 자료를 제공합니다.

Open-channel bifurcations are the most common water diversion structures in irrigation districts. In irrigation water conveyance, water transport efficiency and sedimentation are primary concerns. This study accordingly analyzes the influence of open-channel bifurcations on water delivery in irrigation areas. Herein, the three-dimensional flow at an open-channel bifurcation was studied via numerical simulations using FLOW-3D software and including 15 sets of working conditions. The hydraulic characteristics of the recirculation zone and flow structures in the vicinity of the open-channel bifurcation were analyzed. Equations for the flow diversion width of the surface and bottom layers in the trapezoidal channel were then obtained. The flow diversion widths along the water depth were found to differ between trapezoidal and rectangular channels. The results also show that open-channel bifurcations considerably influence the flow velocity in the main channel. The flow velocity in the recirculation zone of open-channel bifurcations was small, but the pulsation velocity and the turbulent kinetic energy were large. The energy dissipated in this area was relatively large, which was not conducive to channel water delivery. This study provides a reference for channel optimization and operation management in irrigation districts.


trapezoidal open channel; numerical simulation; the recirculation zone; flow diversion
width; turbulence kinetic energy

Figure 1. Experimental plan and section measurement layout. Note: Red points in the figure represent the measurement point arrangement, and Roman numerals represent measurement section numbers.
Figure 1. Experimental plan and section measurement layout. Note: Red points in the figure represent the measurement point arrangement, and Roman numerals represent measurement section numbers.
Figure 5. Froude number (Fr) contour map at different water depths. Note: Q1 = 40 L/s; b = 30 cm. X* and Y* are obtained by dimensionless processing of X-axis and Y-axis coordinates. (a) depth of water below the sill height; (b) depth of water above the sill height.
Figure 5. Froude number (Fr) contour map at different water depths. Note: Q1 = 40 L/s; b = 30 cm. X* and Y* are obtained by dimensionless processing of X-axis and Y-axis coordinates. (a) depth of water below the sill height; (b) depth of water above the sill height.
Fig. 1. Modified Timelli mold design.

Characterization of properties of Vanadium, Boron and Strontium addition on HPDC of A360 alloy

A360 합금의 HPDC에 대한 바나듐, 붕소 및 스트론튬 첨가 특성 특성


aUniversity of Padova, Department of Management and Engineering, Vicenza, Italy
bUniversity of Bayburt, Mechanical Engineering, Bayburt, Turkey
cAtilim University, Metallurgical and Materials Engineering, Ankara, Turkey
dIstanbul Technical University, Metallurgical and Materials Engineering, Istanbul, Turkey
eCenter for Critical and Functional Materials, ITU, Istanbul, Turkey


The demand for lighter weight decreased thickness and higher strength has become the focal point in the
automotive industry. In order to meet such requirements, the addition of several alloying elements has been started to be investigated. In this work, the additions of V, B, and Sr on feedability and tensile properties of A360 has been studied. A mold design that consisted of test bars has been produced. Initially, a simulation was carried out to optimize the runners, filling, and solidification parameters. Following the tests, it was found that V addition revealed the highest UTS but low elongation at fracture, while B addition exhibited visa verse. On the other hand, impact energy was higher with B additions.

더 가벼운 무게의 감소된 두께와 더 높은 강도에 대한 요구는 자동차 산업의 초점이 되었습니다. 이러한 요구 사항을 충족하기 위해 여러 합금 원소의 추가가 조사되기 시작했습니다. 이 연구에서는 A360의 이송성 및 인장 특성에 대한 V, B 및 Sr의 첨가가 연구되었습니다. 시험봉으로 구성된 금형 설계가 제작되었습니다. 처음에는 러너, 충전 및 응고 매개변수를 최적화하기 위해 시뮬레이션이 수행되었습니다. 시험 결과, V 첨가는 UTS가 가장 높지만 파단 연신율은 낮았고, B 첨가는 visa verse를 나타냈다. 반면에 충격 에너지는 B 첨가에서 더 높았다.

Fig. 1. Modified Timelli mold design.
Fig. 1. Modified Timelli mold design.
Fig. 2. Microstructural images (a) unmodified alloy, (b) Sr modified, (c) V added, (d) B added.
Fig. 2. Microstructural images (a) unmodified alloy, (b) Sr modified, (c) V added, (d) B added.
Fig. 3. Effect of Sr and V addition on the tensile properties of A360
Fig. 3. Effect of Sr and V addition on the tensile properties of A360
Fig. 4. Effect of Sr and B addition on the tensile properties of A360.
Fig. 4. Effect of Sr and B addition on the tensile properties of A360.
Fig. 5. Bubbles chart of tensile properties values obtained from Weibull statistics. | Fig. 6. Effect of Sr, V and B addition on the impact properties of A360.
Fig. 5. Bubbles chart of tensile properties values obtained from Weibull statistics.
Fig. 6. Effect of Sr, V and B addition on the impact properties of A360.
Fig. 7. SEM images on the fracture surfaces (a) V added, (b) B added.
Fig. 7. SEM images on the fracture surfaces (a) V added, (b) B added.


[1] A. Johanson, Effect of Vanadium on Grain Refinement of Aluminium, Institutt for
materialteknologi, 2013.
[2] D.G. McCartney, Grain refining of aluminium and its alloys using inoculants, Int.
Mater. Rev. 34 (1) (1989) 247–260.
[3] M.T. Di Giovanni, The Influence of Ni and V Trace Elements on the High
Temperature Tensile Properties of A356 Aluminium Foundry Alloy, Institutt for
materialteknologi, 2014.
[4] D. Casari, T.H. Ludwig, M. Merlin, L. Arnberg, G.L. Garagnani, The effect of Ni and
V trace elements on the mechanical properties of A356 aluminium foundry alloy in
as-cast and T6 heat treated conditions, Mater. Sci. Eng., A 610 (2014) 414–426.
[5] D. Casari, T.H. Ludwig, M. Merlin, L. Arnberg, G.L. Garagnani, Impact behavior of
A356 foundry alloys in the presence of trace elements Ni and V, J. Mater. Eng.
Perform. 24 (2) (2015) 894–908.
[6] T.H. Ludwig, P.L. Schaffer, L. Arnberg, Influence of some trace elements on
solidification path and microstructure of Al-Si foundry alloys, Metall. Mater. Trans.
44 (8) (2013) 3783–3796.
[7] H.A. Elhadari, H.A. Patel, D.L. Chen, W. Kasprzak, Tensile and fatigue properties of
a cast aluminum alloy with Ti, Zr and V additions, Mater. Sci. Eng., A 528 (28)
(2011) 8128–8138.
[8] Y. Wu, H. Liao, K. Zhou, “Effect of minor addition of vanadium on mechanical
properties and microstructures of as-extruded near eutectic Al–Si–Mg alloy, Mater.
Sci. Eng., A 602 (2014) 41–48.
[9] E.S. Dæhlen, The Effect of Vanadium on AlFeSi-Intermetallic Phases in a
Hypoeutectic Al-Si Foundry Alloy, Institutt for materialteknologi, 2013.
[10] B. Lin, H. Li, R. Xu, H. Xiao, W. Zhang, S. Li, Effects of vanadium on modification of
iron-rich intermetallics and mechanical properties in A356 cast alloys with 1.5 wt.
% Fe, J. Mater. Eng. Perform. 28 (1) (2019) 475–484.
[11] P.A. Tøndel, G. Halvorsen, L. Arnberg, Grain refinement of hypoeutectic Al-Si
foundry alloys by addition of boron containing silicon metal, Light Met. (1993)
[12] Z. Chen, et al., Grain refinement of hypoeutectic Al-Si alloys with B, Acta Mater.
120 (2016) 168–178.
[13] T. Wang, Z. Chen, H. Fu, J. Xu, Y. Fu, T. Li, “Grain refining potency of Al–B master
alloy on pure aluminum, Scripta Mater. 64 (12) (2011) 1121–1124.
[14] M. Gorny, ´ G. Sikora, M. Kawalec, Effect of titanium and boron on the stability of
grain refinement of Al-Cu alloy, Arch. Foundry Eng. 16 (2016).
[15] O. ¨ Gürsoy, E. Erzi, D. Dıs¸pınar, Ti grain refinement myth and cleanliness of A356
melt, in: Shape Casting, Springer, 2019, pp. 125–130.
[16] D. Dispinar, A. Nordmark, J. Voje, L. Arnberg, Influence of hydrogen content and
bi-film index on feeding behaviour of Al-7Si, in: 138th TMS Annual Meeting, Shape
Casting, 3rd International Symposium, San Francisco, California, USA, 2009,
pp. 63–70. February 2009.
[17] M. Uludag, ˘ R. Çetin, D. Dıs¸pınar, Observation of hot tearing in Sr-B modified A356
alloy, Arch. Foundry Eng. 17 (2017).
[18] X.L. Cui, Y.Y. Wu, T. Gao, X.F. Liu, “Preparation of a novel Al–3B–5Sr master alloy
and its modification and refinement performance on A356 alloy, J. Alloys Compd.
615 (2014) 906–911.
[19] F. Wang, Z. Liu, D. Qiu, J.A. Taylor, M.A. Easton, M.-X. Zhang, Revisiting the role
of peritectics in grain refinement of Al alloys, Acta Mater. 61 (1) (2013) 360–370.
[20] M. Akhtar, A. Khajuria, Effects of prior austenite grain size on impression creep and
microstructure in simulated heat affected zones of boron modified P91 steels,
Mater. Chem. Phys. 249 (2020) 122847.
[21] M. Akhtar, A. Khajuria, Probing true creep-hardening interaction in weld simulated
heat affected zone of P91 steels, J. Manuf. Process. 46 (2019) 345–356.
[22] E.M. Schulson, T.P. Weihs, I. Baker, H.J. Frost, J.A. Horton, Grain boundary
accommodation of slip in Ni3Al containing boron, Acta Metall. 34 (7) (1986)
[23] I. Baker, E.M. Schulson, J.R. Michael, The effect of boron on the chemistry of grain
boundaries in stoichiometric Ni3Al, Philos. Mag. A B 57 (3) (Mar. 1988) 379–385.
[24] S. Zhu, et al., Influences of nickel and vanadium impurities on microstructure of
aluminum alloys, JOM (J. Occup. Med.) 65 (5) (2013) 584–592.
[25] D.J. Beerntsen, Effect of vanadium and zirconium on the formation of CrAI 7
primary crystals in 7075 aluminum alloy, Metall. Mater. Trans. B 8 (3) (1977)
[26] G. Timelli, A. Fabrizi, S. Capuzzi, F. Bonollo, S. Ferraro, The role of Cr additions
and Fe-rich compounds on microstructural features and impact toughness of
AlSi9Cu3 (Fe) diecasting alloys, Mater. Sci. Eng., A 603 (2014) 58–68.
[27] S. Kirtay, D. Dispinar, Effect of ranking selection on the Weibull modulus
estimation, Gazi Univ. J. Sci. 25 (1) (2012) 175–187.
[28] J. Rakhmonov, G. Timelli, F. Bonollo, “The effect of transition elements on hightemperature mechanical properties of Al–Si foundry alloys–A review, Adv. Eng.
Mater. 18 (7) (2016) 1096–1105.

Figure 2: Temperature contours and melt pool border lines at different times for the 50 % duty cycle case: (a) - (c) Δtcycle = 400 μs, (d) – (f) Δtcycle = 1000 μs and (g) – (i) Δtcycle = 3000 μs.


M. Bayat* , V. K. Nadimpalli, J. H. Hattel
1Department of Mechanical Engineering, Technical University of Denmark (DTU), Produktionstorvet
425, Kgs. 2800, Lyngby, Denmark


L-PBF(Laser Powder Bed Fusion)는 다양한 산업 분야에서 많은 관심을 받았으며, 주로 기존 제조 기술을 사용하여 만들 수 없었던 복잡한 토폴로지 최적화 구성 요소를 구현하는 잘 알려진 능력 덕분입니다. . 펄스 L-PBF(PL-PBF)에서 레이저의 시간적 프로파일은 주기 지속 시간과 듀티 주기 중 하나 또는 둘 다를 수정하여 변조할 수 있습니다. 따라서 레이저의 시간적 프로파일은 향후 적용을 위해 이 프로세스를 더 잘 제어할 수 있는 길을 열어주는 새로운 프로세스 매개변수로 간주될 수 있습니다. 따라서 이 작업에서 우리는 레이저의 시간적 프로파일을 변경하는 것이 PL-PBF 공정에서 용융 풀 조건과 트랙의 최종 모양 및 형상에 어떻게 영향을 미칠 수 있는지 조사하는 것을 목표로 합니다. 이와 관련하여 본 논문에서는 CFD(Computational Fluid Dynamics) 소프트웨어 패키지인 Flow-3D를 기반으로 하는 316-L 스테인리스강 PL-PBF 공정의 다중물리 수치 모델을 개발하고 이 모델을 사용하여 열과 유체를 시뮬레이션합니다. 다양한 펄스 모드에서 공정 과정 중 용융 풀 내부에서 발생하는 유동 조건. 따라서 고정된 레이저 듀티 사이클(50%)이 있는 레이저 주기 지속 시간이 용융 풀의 모양과 크기 및 최종 트랙 형태에 미치는 영향을 연구하기 위해 매개변수 연구가 수행됩니다. 더 긴 주기 기간에서 더 많은 재료가 더 큰 용융 풀 내에서 변위됨에 따라 용융 풀의 후류에 더 눈에 띄는 혹이 형성되며, 동시에 더 심각한 반동 압력을 받습니다. 또한 시뮬레이션에서 50% 듀티 사이클에서 1000μs에서 형성된 보다 대칭적인 용융 풀과 비교하여 400μs 사이클 주기에서 더 긴 용융 풀이 형성된다는 것이 관찰되었습니다. 풀 볼륨은 1000μs의 경우 더 큽니다. 매개변수 연구는 연속 트랙과 파손된 트랙 PL-PBF 사이의 경계를 설명하며, 여기서 연속 트랙은 항상 소량의 용융 재료를 유지함으로써 유지됩니다.

English Abstract

Laser Powder Bed Fusion (L-PBF) has attracted a lot of attention from various industrial sectors and mainly thanks to its well-proven well-known capacity of realizing complex topology-optimized components that have so far been impossible to make using conventional manufacturing techniques. In Pulsed L-PBF (PL-PBF), the laser’s temporal profile can be modulated via modifying either or both the cycle duration and the duty cycle. Thus, the laser’s temporal profile could be considered as a new process parameter that paves the way for a better control of this process for future applications. Therefore, in this work we aim to investigate how changing the laser’s temporal profile can affect the melt pool conditions and the final shape and geometry of a track in the PL-PBF process. In this respect, in this paper a multiphysics numerical model of the PL-PBF process of 316-L stainless steel is developed based on the computational fluid dynamics (CFD) software package Flow-3D and the model is used to simulate the heat and fluid flow conditions occurring inside the melt pool during the course of the process at different pulsing modes. Thus, a parametric study is carried out to study the influence of the laser’s cycle duration with a fixed laser duty cycle (50 %) on the shape and size of the melt pool and the final track morphology. It is noticed that at longer cycle periods, more noticeable humps form at the wake of the melt pool as more material is displaced within bigger melt pools, which are at the same time subjected to more significant recoil pressures. It is also observed in the simulations that at 50 % duty cycle, longer melt pools form at 400 μs cycle period compared to the more symmetrical melt pools formed at 1000 μs, primarily because of shorter laser off-times in the former, even though melt pool volume is bigger for the 1000 μs case. The parameteric study illustrates the boundary between a continuous track and a broken track PL-PBF wherein the continuous track is retained by always maintaining a small volume of molten material.

Figure 1: Front and side views of the computational domain. Note that the region along z and from -100 μm to +50 μm is void.
Figure 1: Front and side views of the computational domain. Note that the region along z and from -100 μm to +50 μm is void.
Figure 2: Temperature contours and melt pool border lines at different times for the 50 % duty cycle case: (a) - (c) Δtcycle = 400 μs, (d) – (f) Δtcycle = 1000 μs and (g) – (i) Δtcycle = 3000 μs.
Figure 2: Temperature contours and melt pool border lines at different times for the 50 % duty cycle case: (a) – (c) Δtcycle = 400 μs, (d) – (f) Δtcycle = 1000 μs and (g) – (i) Δtcycle = 3000 μs.
Figure 3: Plot of melt pool volume versus time for four cases including continuous wave laser as well as 50 % duty cycle at 400 μs, 1000 μs and 3000 μs.
Figure 3: Plot of melt pool volume versus time for four cases including continuous wave laser as well as 50 % duty cycle at 400 μs, 1000 μs and 3000 μs.


In this work a CFD model of the modulated PL-PBF process of stainless steel 316-L is developed in the commercial software package Flow-3D. The model involves physics such as solidification, melting, evaporation, convection, laser-material interaction, capillarity, Marangoni effect and the recoil pressure effect. In the current study, a parametric study is carried out to understand how the change in the cycle period duration affects the melt pool’s thermo-fluid conditions during the modulated PL-PBF process. It is observed that at the pulse mode with 50 % duty cycle and 400 μs cycle period, an overlapped chain of humps form at the wake of the melt pool and at a spatial frequency of occurrence of about 78 μm. Furthermore and as expected, it is noted that the melt pool volume, the size of the hump as well as the crater size at the end of the track, increase with increase in the cycle period duration, as more material is re-deposited at the back of the melt pool and that itself is caused by more pronounced recoil pressures. Moreover, it is noticed that due to the short off-time period of the laser in the 400 μs cycle period case, there is always an amount of liquid metal left from the previous cycle, at the time the new cycle starts. This is found to be the main reason why longer and elongated melt pools form at 400 μs cycle period, compared to the bigger, shorter and more symmetrical-like melt pools forming at the 1000 μs case. In this study PL-PBF single tracks including the broken track and the continuous track examples were studied to illustrate the boundary of this transition at a given laser scan parameter setting. At higher scan speeds, it is expected that the Plateau–Rayleigh instability will compete with the pulsing behavior to change the transition boundary between a broken and continuous track, which is suggested as future work from this study.


[1] T. Craeghs, L. Thijs, F. Verhaeghe, J.-P. Kruth, J. Van Humbeeck, A study of the microstructural
evolution during selective laser melting of Ti–6Al–4V, Acta Mater. 58 (2010) 3303–3312.
[2] J. Liu, A.T. Gaynor, S. Chen, Z. Kang, K. Suresh, A. Takezawa, L. Li, J. Kato, J. Tang, C.C.L. Wang, L.
Cheng, X. Liang, A.C. To, Current and future trends in topology optimization for additive manufacturing,
(2018) 2457–2483.
[3] M. Bayat, W. Dong, J. Thorborg, A.C. To, J.H. Hattel, A review of multi-scale and multi-physics
simulations of metal additive manufacturing processes with focus on modeling strategies, Addit. Manuf.
47 (2021).
[4] A. Foroozmehr, M. Badrossamay, E. Foroozmehr, S. Golabi, Finite Element Simulation of Selective Laser
Melting process considering Optical Penetration Depth of laser in powder bed, Mater. Des. 89 (2016)
[5] Y.S. Lee, W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base
superalloy fabricated by laser powder bed fusion, Addit. Manuf. 12 (2016) 178–188.
[6] S.A. Khairallah, A.T. Anderson, A. Rubenchik, W.E. King, Laser powder-bed fusion additive
manufacturing: Physics of complex melt flow and formation mechanisms of pores, spatter, and denudation
zones, Acta Mater. 108 (2016) 36–45.
[7] M. Bayat, A. Thanki, S. Mohanty, A. Witvrouw, S. Yang, J. Thorborg, N.S. Tiedje, J.H. Hattel, Keyholeinduced porosities in Laser-based Powder Bed Fusion (L-PBF) of Ti6Al4V: High-fidelity modelling and
experimental validation, Addit. Manuf. 30 (2019).
[8] A. Charles, M. Bayat, A. Elkaseer, L. Thijs, J.H. Hattel, S. Scholz, Elucidation of dross formation in laser
powder bed fusion at down-facing surfaces: phenomenon-oriented multiphysics simulation and
experimental validation, Addit. Manuf. Under revi (2021).
[9] M. Bayat, V.K. Nadimpalli, D.B. Pedersen, J.H. Hattel, A fundamental investigation of thermo-capillarity
in laser powder bed fusion of metals and alloys, Int. J. Heat Mass Transf. 166 (2021) 120766.
[10] J.D. Roehling, S.A. Khairallah, Y. Shen, A. Bayramian, C.D. Boley, A.M. Rubenchik, J. Demuth, N.
Duanmu, M.J. Matthews, Physics of large-area pulsed laser powder bed fusion, Addit. Manuf. 46 (2021)
[11] M. Zheng, L. Wei, J. Chen, Q. Zhang, J. Li, S. Sui, G. Wang, W. Huang, Surface morphology evolution
during pulsed selective laser melting: Numerical and experimental investigations, Appl. Surf. Sci. 496
(2019) 143649.
[12] M. Bayat, V.K. Nadimpalli, D.B. Pedersen, J.H. Hattel, A fundamental investigation of thermo-capillarity
in laser powder bed fusion of metals and alloys, Int. J. Heat Mass Transf. 166 (2021).

3D Numerical Modeling of a Side-Channel Spillway

3D Numerical Modeling of a Side-Channel Spillway

Géraldine MilésiStéphane Causse


Electricité de Tahiti(GDF Suez) 댐의 재건이라는 틀 내에서 Coyne et Bellier는 진단과 Tahiti 댐의 전반적인 연구를 수행했습니다.

Tahinu는 프랑스령 폴리네시아의 Tahiti 섬에 위치한 37m 높이의 수력 발전 댐입니다. 수문학적 연구의 검토와 프랑스 표준의 적용은 최대 설계 홍수를 500에서 644 m3/s(+30%)로 증가시켰습니다.

먼저 측수로 여수로(마루 길이 60m)의 1D 수치 모델링을 수행하여 배수 용량을 평가했습니다. 결론은 마루댐과 배수로 수로 측벽의 오버토핑을 유발할 수 있는 배수로의 용량이 충분하지 않다는 것이었습니다.

그런 다음 이러한 결과를 확인하고 배수로의 특정 구성(정원 아래의 접근 속도와 깊이의 불균일한 분포, 측면 채널 단면의 불규칙한 기하학, 잠긴 둑, 곡선 채널 배수로)을 고려하기 위해, 3D 수치 모델링은 Flow 3D®로 수행되었습니다.

시뮬레이션은 1D 모델(흐름의 일반적인 패턴, 상류 저수지 수위)보다 더 정확한 결과를 보여주었습니다. 이에 따라 댐 능선의 높이와 여수로 측벽을 설계 및 최적화하여 안전을 위한 충분한 freeboards을 확보하도록 하였습니다.

Within the framework of the rehabilitation of Electricité de Tahiti (GDF Suez) dams, Coyne et Bellier carried out a diagnosis and an overall study of the Tahinu dam. Tahinu is a 37-m-high earthfill hydroelectric dam, located in the island of Tahiti, French Polynesia. The review of the hydrological study and the application of French standards lead to increase the peak design flood from 500 to 644 m3/s (+30 %). First, a 1D numerical modeling of the side-channel spillway (crest length 60 m) was performed to assess its discharge capacity. The conclusion was an insufficient capacity of the spillway that might induce an overtopping of the crest dam and of the sidewalls of the spillway channel. Then, to confirm these results and to take into account the specific configuration of the spillway (non-uniform distribution of the approach velocity and depth below crest, irregular geometry of the side-channel cross section, submerged weir, curved channel spillway), a 3D numerical modeling was carried out with Flow 3D®. Simulations showed more accurate results than 1D model (general pattern of the flow, upstream reservoir level). Consequently, heightenings of the dam crest and the sidewalls of the spillway channel were designed and optimized to secure sufficient freeboards for safety.


CFD, Dam, FLOW-3D, Hydraulics, Numerical simulation, Rehabilitation, Submergence, Weir, 저수지, 댐, 측수로, 여수로


  1. 1.Khatsuria, R. M. (2005). Hydraulics of spillways and energy dissipators. New York: Marcel Dekker.Google Scholar
  2. 2.USBR. (1987). Design of small dams (3rd ed.). Washington: US Government printing office.Google Scholar

Copyright information

© Springer Science+Business Media Singapore 2014

About this chapter

Cite this chapter as:Milési G., Causse S. (2014) 3D Numerical Modeling of a Side-Channel Spillway. In: Gourbesville P., Cunge J., Caignaert G. (eds) Advances in Hydroinformatics. Springer Hydrogeology. Springer, Singapore.

  • First Online12 November 2013
  • DOI :
  • Publisher NameSpringer, Singapore
  • Print ISBN978-981-4451-41-3
  • Online ISBN978-981-4451-42-0
  • eBook PackagesEarth and Environmental ScienceEarth and Environmental Science (R0)
  • Reprints and Permissions
Figure 3 Simulation PTC pipes enhanced with copper foam and nanoparticles in FLOW-3D software.

다공성 미디어 및 나노유체에 의해 강화된 수집기로 태양광 CCHP 시스템의 최적화

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

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


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

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

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

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

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

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

1. Introduction

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

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

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

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

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

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

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

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

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

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

2. Cycle Description

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

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

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

2.1. System Analysis Equations

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

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

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

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

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

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

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

Also, the auxiliary boiler heat load is [2]

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

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

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

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

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

Second step: calculating heating loads [9]:

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

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

In the third step, calculated exergy analysis as follows.

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

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

The received exergy from the collector is [9]

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

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

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

Cooling exergy in summer is calculated [9]:

Heating exergy in winter is calculated [9]:

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

3. Porous Media

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

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

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

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

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

3.1. Nano Fluid

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

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

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

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

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

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

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

The mixture viscosity is calculated as follows [30]:

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

4. Results and Discussion

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

Figure 4 Verification charts of energy analysis results.

Figure 5 Verification charts of exergy analysis results.

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

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

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

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

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

Figure 7 Energy and exergy efficiency of the SCCHP.

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

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

5. Conclusion and Future Directions

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

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

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


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

Greek symbols

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


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

Data Availability

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

Conflicts of Interest

The authors declare that they have no conflicts of interest.


This work was partially supported by the National Natural Science Foundation of China under Contract no. 71761030 and Natural Science Foundation of Inner Mongolia under Contract no. 2019LH07003.


  1. A. Fudholi and K. Sopian, “Review on solar collector for agricultural produce,” International Journal of Power Electronics and Drive Systems (IJPEDS), vol. 9, no. 1, p. 414, 2018.View at: Publisher Site | Google Scholar
  2. G. Yang and X. Zhai, “Optimization and performance analysis of solar hybrid CCHP systems under different operation strategies,” Applied Thermal Engineering, vol. 133, pp. 327–340, 2018.View at: Publisher Site | Google Scholar
  3. J. Wang, Z. Han, and Z. Guan, “Hybrid solar-assisted combined cooling, heating, and power systems: a review,” Renewable and Sustainable Energy Reviews, vol. 133, p. 110256, 2020.View at: Publisher Site | Google Scholar
  4. Y. Tian and C. Y. Zhao, “A review of solar collectors and thermal energy storage in solar thermal applications,” Applied Energy, vol. 104, pp. 538–553, 2013.View at: Publisher Site | Google Scholar
  5. J. M. Hassan, Q. J. Abdul-Ghafour, and M. F. Mohammed, “CFD simulation of enhancement techniques in flat plate solar water collectors,” Al-Nahrain Journal for Engineering Sciences, vol. 20, no. 3, pp. 751–761, 2017.View at: Google Scholar
  6. M. Jahangiri, O. Nematollahi, A. Haghani, H. A. Raiesi, and A. Alidadi Shamsabadi, “An optimization of energy cost of clean hybrid solar-wind power plants in Iran,” International Journal of Green Energy, vol. 16, no. 15, pp. 1422–1435, 2019.View at: Publisher Site | Google Scholar
  7. I. H. Yılmaz and A. Mwesigye, “Modeling, simulation and performance analysis of parabolic trough solar collectors: a comprehensive review,” Applied Energy, vol. 225, pp. 135–174, 2018.View at: Google Scholar
  8. F. Wang, J. Tan, and Z. Wang, “Heat transfer analysis of porous media receiver with different transport and thermophysical models using mixture as feeding gas,” Energy Conversion and Management, vol. 83, pp. 159–166, 2014.View at: Publisher Site | Google Scholar
  9. H. Zhai, Y. J. Dai, J. Y. Wu, and R. Z. Wang, “Energy and exergy analyses on a novel hybrid solar heating, cooling and power generation system for remote areas,” Applied Energy, vol. 86, no. 9, pp. 1395–1404, 2009.View at: Publisher Site | Google Scholar
  10. M. H. Abbasi, H. Sayyaadi, and M. Tahmasbzadebaie, “A methodology to obtain the foremost type and optimal size of the prime mover of a CCHP system for a large-scale residential application,” Applied Thermal Engineering, vol. 135, pp. 389–405, 2018.View at: Google Scholar
  11. R. Jiang, F. G. F. Qin, X. Yang, S. Huang, and B. Chen, “Performance analysis of a liquid absorption dehumidifier driven by jacket-cooling water of a diesel engine in a CCHP system,” Energy and Buildings, vol. 163, pp. 70–78, 2018.View at: Publisher Site | Google Scholar
  12. F. A. Boyaghchi and M. Chavoshi, “Monthly assessments of exergetic, economic and environmental criteria and optimization of a solar micro-CCHP based on DORC,” Solar Energy, vol. 166, pp. 351–370, 2018.View at: Publisher Site | Google Scholar
  13. F. A. Boyaghchi and M. Chavoshi, “Multi-criteria optimization of a micro solar-geothermal CCHP system applying water/CuO nanofluid based on exergy, exergoeconomic and exergoenvironmental concepts,” Applied Thermal Engineering, vol. 112, pp. 660–675, 2017.View at: Publisher Site | Google Scholar
  14. B. Su, W. Han, Y. Chen, Z. Wang, W. Qu, and H. Jin, “Performance optimization of a solar assisted CCHP based on biogas reforming,” Energy Conversion and Management, vol. 171, pp. 604–617, 2018.View at: Publisher Site | Google Scholar
  15. F. A. Al-Sulaiman, F. Hamdullahpur, and I. Dincer, “Performance assessment of a novel system using parabolic trough solar collectors for combined cooling, heating, and power production,” Renewable Energy, vol. 48, pp. 161–172, 2012.View at: Publisher Site | Google Scholar
  16. J. Wang, Y. Dai, L. Gao, and S. Ma, “A new combined cooling, heating and power system driven by solar energy,” Renewable Energy, vol. 34, no. 12, pp. 2780–2788, 2009.View at: Publisher Site | Google Scholar
  17. Y.-Y. Jing, H. Bai, J.-J. Wang, and L. Liu, “Life cycle assessment of a solar combined cooling heating and power system in different operation strategies,” Applied Energy, vol. 92, pp. 843–853, 2012.View at: Publisher Site | Google Scholar
  18. J.-J. Wang, Y.-Y. Jing, and C.-F. Zhang, “Optimization of capacity and operation for CCHP system by genetic algorithm,” Applied Energy, vol. 87, no. 4, pp. 1325–1335, 2010.View at: Publisher Site | Google Scholar
  19. L. Ali, “LDA–GA–SVM: improved hepatocellular carcinoma prediction through dimensionality reduction and genetically optimized support vector machine,” Neural Computing and Applications, vol. 87, pp. 1–10, 2020.View at: Google Scholar
  20. S. Hirasawa, R. Tsubota, T. Kawanami, and K. Shirai, “Reduction of heat loss from solar thermal collector by diminishing natural convection with high-porosity porous medium,” Solar Energy, vol. 97, pp. 305–313, 2013.View at: Publisher Site | Google Scholar
  21. E. Bellos, C. Tzivanidis, and Z. Said, “A systematic parametric thermal analysis of nanofluid-based parabolic trough solar collectors,” Sustainable Energy Technologies and Assessments, vol. 39, p. 100714, 2020.View at: Publisher Site | Google Scholar
  22. H. J. Jouybari, S. Saedodin, A. Zamzamian, M. E. Nimvari, and S. Wongwises, “Effects of porous material and nanoparticles on the thermal performance of a flat plate solar collector: an experimental study,” Renewable Energy, vol. 114, pp. 1407–1418, 2017.View at: Publisher Site | Google Scholar
  23. J. Subramani, P. K. Nagarajan, S. Wongwises, S. A. El-Agouz, and R. Sathyamurthy, “Experimental study on the thermal performance and heat transfer characteristics of solar parabolic trough collector using Al2O3 nanofluids,” Environmental Progress & Sustainable Energy, vol. 37, no. 3, pp. 1149–1159, 2018.View at: Publisher Site | Google Scholar
  24. E. Shojaeizadeh, F. Veysi, and A. Kamandi, “Exergy efficiency investigation and optimization of an Al2O3-water nanofluid based Flat-plate solar collector,” Energy and Buildings, vol. 101, pp. 12–23, 2015.View at: Publisher Site | Google Scholar
  25. A. K. Tiwari, P. Ghosh, and J. Sarkar, “Solar water heating using nanofluids–a comprehensive overview and environmental impact analysis,” International Journal of Emerging Technology and Advanced Engineering, vol. 3, no. 3, pp. 221–224, 2013.View at: Google Scholar
  26. D. R. Rajendran, E. Ganapathy Sundaram, P. Jawahar, V. Sivakumar, O. Mahian, and E. Bellos, “Review on influencing parameters in the performance of concentrated solar power collector based on materials, heat transfer fluids and design,” Journal of Thermal Analysis and Calorimetry, vol. 140, no. 1, pp. 33–51, 2020.View at: Publisher Site | Google Scholar
  27. M. Feizbahr, C. Kok Keong, F. Rostami, and M. Shahrokhi, “Wave energy dissipation using perforated and non perforated piles,” International Journal of Engineering, vol. 31, no. 2, pp. 212–219, 2018.View at: Google Scholar
  28. K. Khanafer and K. Vafai, “A critical synthesis of thermophysical characteristics of nanofluids,” International Journal of Heat and Mass Transfer, vol. 54, no. 19-20, pp. 4410–4428, 2011.View at: Publisher Site | Google Scholar
  29. K. Farhana, K. Kadirgama, M. M. Rahman et al., “Improvement in the performance of solar collectors with nanofluids – a state-of-the-art review,” Nano-Structures & Nano-Objects, vol. 18, p. 100276, 2019.View at: Publisher Site | Google Scholar
  30. M. Turkyilmazoglu, “Condensation of laminar film over curved vertical walls using single and two-phase nanofluid models,” European Journal of Mechanics-B/Fluids, vol. 65, pp. 184–191, 2017.View at: Publisher Site | Google Scholar
  31. X. Zhang, J. Wang, T. Wang, R. Jiang, J. Xu, and L. Zhao, “Robust feature learning for adversarial defense via hierarchical feature alignment,” Information Sciences, vol. 2020, 2020.View at: Google Scholar
  32. X. Zhang, T. Wang, W. Luo, and P. Huang, “Multi-level fusion and attention-guided CNN for image dehazing,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 1, 2020.View at: Publisher Site | Google Scholar
  33. X. Zhang, M. Fan, D. Wang, P. Zhou, and D. Tao, “Top-k feature selection framework using robust 0-1 integer programming,” IEEE Transactions on Neural Networks and Learning Systems, vol. 1, pp. 1–15, 2020.View at: Publisher Site | Google Scholar
  34. X. Zhang, D. Wang, Z. Zhou, and Y. Ma, “Robust low-rank tensor recovery with rectification and alignment,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 43, no. 1, pp. 238–255, 2019.View at: Google Scholar
  35. X. Zhang, R. Jiang, T. Wang, and J. Wang, “Recursive neural network for video deblurring,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 1, 2020.View at: Publisher Site | Google Scholar
  36. X. Zhang, T. Wang, J. Wang, G. Tang, and L. Zhao, “Pyramid channel-based feature attention network for image dehazing,” Computer Vision and Image Understanding, vol. 1, 2020.View at: Google Scholar
  37. M. Mirmozaffari, “Machine learning algorithms based on an optimization model,” 2020.View at: Google Scholar
  38. M. Mirmozaffari, M. Yazdani, A. Boskabadi, H. Ahady Dolatsara, K. Kabirifar, and N. Amiri Golilarz, “A novel machine learning approach combined with optimization models for eco-efficiency evaluation,” Applied Sciences, vol. 10, no. 15, p. 5210, 2020.View at: Publisher Site | Google Scholar
  39. M. Vosoogha and A. Addeh, “An intelligent power prediction method for wind energy generation based on optimized fuzzy system,” Computational Research Progress in Applied Science & Engineering (CRPASE), vol. 5, pp. 34–43, 2019.View at: Google Scholar
  40. A. Javadi, N. Mikaeilvand, and H. Hosseinzdeh, “Presenting a new method to solve partial differential equations using a group search optimizer method (GSO),” Computational Research Progress in Applied Science and Engineering, vol. 4, no. 1, pp. 22–26, 2018.View at: Google Scholar
  41. F. J. Golrokh, Gohar Azeem, and A. Hasan, “Eco-efficiency evaluation in cement industries: DEA malmquist productivity index using optimization models,” ENG Transactions, vol. 1, pp. 1–8, 2020.View at: Google Scholar
  42. H. Yu, “Dynamic Gaussian bare-bones fruit fly optimizers with abandonment mechanism: method and analysis,” Engineering with Computers, vol. 1, pp. 1–29, 2020.View at: Google Scholar
  43. C. Yu, “SGOA: annealing-behaved grasshopper optimizer for global tasks,” Engineering with Computers, vol. 1, pp. 1–28, 2021.View at: Google Scholar
  44. W. Shan, Z. Qiao, A. A. Heidari, H. Chen, H. Turabieh, and Y. Teng, “Double adaptive weights for stabilization of moth flame optimizer: balance analysis, engineering cases, and medical diagnosis,” Knowledge-Based Systems, vol. 1, p. 106728, 2020.View at: Google Scholar
  45. J. Tu, H. Chen, J. Liu et al., “Evolutionary biogeography-based whale optimization methods with communication structure: towards measuring the balance,” Knowledge-Based Systems, vol. 212, p. 106642, 2021.View at: Publisher Site | Google Scholar
  46. Y. Zhang, “Towards augmented kernel extreme learning models for bankruptcy prediction: algorithmic behavior and comprehensive analysis,” Neurocomputing, vol. 1, 2020.View at: Google Scholar
  47. Y. Zhang, R. Liu, X. Wang, H. Chen, and C. Li, “Boosted binary Harris hawks optimizer and feature selection,” Engineering with Computers, vol. 1, pp. 1–30, 2020.View at: Google Scholar
  48. H.-L. Chen, G. Wang, C. Ma, Z.-N. Cai, W.-B. Liu, and S.-J. Wang, “An efficient hybrid kernel extreme learning machine approach for early diagnosis of Parkinson’s disease,” Neurocomputing, vol. 184, pp. 131–144, 2016.View at: Publisher Site | Google Scholar
  49. L. Hu, G. Hong, J. Ma, X. Wang, and H. Chen, “An efficient machine learning approach for diagnosis of paraquat-poisoned patients,” Computers in Biology and Medicine, vol. 59, pp. 116–124, 2015.View at: Publisher Site | Google Scholar
  50. L. Shen, H. Chen, Z. Yu et al., “Evolving support vector machines using fruit fly optimization for medical data classification,” Knowledge-Based Systems, vol. 96, pp. 61–75, 2016.View at: Publisher Site | Google Scholar
  51. J. Xia, H. Chen, Q. Li et al., “Ultrasound-based differentiation of malignant and benign thyroid Nodules: an extreme learning machine approach,” Computer Methods and Programs in Biomedicine, vol. 147, pp. 37–49, 2017.View at: Publisher Site | Google Scholar
  52. C. Li, L. Hou, B. Y. Sharma et al., “Developing a new intelligent system for the diagnosis of tuberculous pleural effusion,” Computer Methods and Programs in Biomedicine, vol. 153, pp. 211–225, 2018.View at: Publisher Site | Google Scholar
  53. X. Zhao, X. Zhang, Z. Cai et al., “Chaos enhanced grey wolf optimization wrapped ELM for diagnosis of paraquat-poisoned patients,” Computational Biology and Chemistry, vol. 78, pp. 481–490, 2019.View at: Publisher Site | Google Scholar
  54. M. Wang and H. Chen, “Chaotic multi-swarm whale optimizer boosted support vector machine for medical diagnosis,” Applied Soft Computing Journal, vol. 88, 2020.View at: Publisher Site | Google Scholar
  55. X. Xu and H.-L. Chen, “Adaptive computational chemotaxis based on field in bacterial foraging optimization,” Soft Computing, vol. 18, no. 4, pp. 797–807, 2014.View at: Publisher Site | Google Scholar
  56. R. U. Khan, X. Zhang, R. Kumar, A. Sharif, N. A. Golilarz, and M. Alazab, “An adaptive multi-layer botnet detection technique using machine learning classifiers,” Applied Sciences, vol. 9, no. 11, p. 2375, 2019.View at: Publisher Site | Google Scholar
  57. A. Addeh, A. Khormali, and N. A. Golilarz, “Control chart pattern recognition using RBF neural network with new training algorithm and practical features,” ISA Transactions, vol. 79, pp. 202–216, 2018.View at: Publisher Site | Google Scholar
  58. N. Amiri Golilarz, H. Gao, R. Kumar, L. Ali, Y. Fu, and C. Li, “Adaptive wavelet based MRI brain image de-noising,” Frontiers in Neuroscience, vol. 14, p. 728, 2020.View at: Publisher Site | Google Scholar
  59. N. A. Golilarz, H. Gao, and H. Demirel, “Satellite image de-noising with Harris hawks meta heuristic optimization algorithm and improved adaptive generalized Gaussian distribution threshold function,” IEEE Access, vol. 7, pp. 57459–57468, 2019.View at: Publisher Site | Google Scholar
  60. M. Eisazadeh and J. Rezapour, “Multi-objective optimization of the composite sheets using PSO algorithm,” 2017.View at: Google Scholar
  61. I. Bargegol, M. Nikookar, R. V. Nezafat, E. J. Lashkami, and A. M. Roshandeh, “Timing optimization of signalized intersections using shockwave theory by genetic algorithm,” Computational Research Progress in Applied Science & Engineering, vol. 1, pp. 160–167, 2015.View at: Google Scholar
  62. B. Bai, Z. Guo, C. Zhou, W. Zhang, and J. Zhang, “Application of adaptive reliability importance sampling-based extended domain PSO on single mode failure in reliability engineering,” Information Sciences, vol. 546, pp. 42–59, 2021.View at: Publisher Site | Google Scholar
  63. J. Liu, C. Wu, G. Wu, and X. Wang, “A novel differential search algorithm and applications for structure design,” Applied Mathematics and Computation, vol. 268, pp. 246–269, 2015.View at: Publisher Site | Google Scholar
  64. X. Zhao, D. Li, B. Yang, C. Ma, Y. Zhu, and H. Chen, “Feature selection based on improved ant colony optimization for online detection of foreign fiber in cotton,” Applied Soft Computing, vol. 24, pp. 585–596, 2014.View at: Publisher Site | Google Scholar
  65. D. Zhao, “Chaotic random spare ant colony optimization for multi-threshold image segmentation of 2D Kapur entropy,” Knowledge-Based Systems, vol. 24, p. 106510, 2020.View at: Google Scholar
  66. H. Chen, A. A. Heidari, H. Chen, M. Wang, Z. Pan, and A. H. Gandomi, “Multi-population differential evolution-assisted Harris hawks optimization: framework and case studies,” Future Generation Computer Systems, vol. 111, pp. 175–198, 2020.View at: Publisher Site | Google Scholar
  67. J. Hu, H. Chen, A. A. Heidari et al., “Orthogonal learning covariance matrix for defects of grey wolf optimizer: insights, balance, diversity, and feature selection,” Knowledge-Based Systems, vol. 213, p. 106684, 2021.View at: Publisher Site | Google Scholar
  68. G. Sun, B. Yang, Z. Yang, and G. Xu, “An adaptive differential evolution with combined strategy for global numerical optimization,” Soft Computing, vol. 24, pp. 1–20, 2019.View at: Google Scholar
  69. G. Sun, C. Li, and L. Deng, “An adaptive regeneration framework based on search space adjustment for differential evolution,” Neural Computing and Applications, vol. 24, pp. 1–17, 2021.View at: Google Scholar
  70. A. Addeh and M. Iri, “Brain tumor type classification using deep features of MRI images and optimized RBFNN,” ENG Transactions, vol. 2, pp. 1–7, 2021.View at: Google Scholar
  71. F. J. Golrokh and A. Hasan, “A comparison of machine learning clustering algorithms based on the DEA optimization approach for pharmaceutical companies in developing countries,” Soft Computing, vol. 1, pp. 1–8, 2020.View at: Google Scholar
  72. H. Tyagi, P. Phelan, and R. Prasher, “Predicted efficiency of a low-temperature nanofluid-based direct absorption solar collector,” Journal of Solar Energy Engineering, vol. 131, no. 4, 2009.View at: Publisher Site | Google Scholar
  73. S. Rashidi, M. Bovand, and J. A. Esfahani, “Heat transfer enhancement and pressure drop penalty in porous solar heat exchangers: a sensitivity analysis,” Energy Conversion and Management, vol. 103, pp. 726–738, 2015.View at: Publisher Site | Google Scholar
  74. N. Akram, R. Sadri, S. N. Kazi et al., “A comprehensive review on nanofluid operated solar flat plate collectors,” Journal of Thermal Analysis and Calorimetry, vol. 139, no. 2, pp. 1309–1343, 2020.View at: Publisher Site | Google Scholar
Intel CPU i9

해석용 컴퓨터 CPU에 대한 이해 및 선택 방법

last update : 2021-12-15

자료출처 : 본 기사는 PCWorld Australia의 내용과의 기사를 기반으로 일부 가필하여 게재한 내용입니다.

해석용 컴퓨터를 선정하기 위해서는 가장 먼저 선택해야 하는 것이 있다. AMD인가, 인텔인가? 두 업체는 CPU 시장의 양대산맥과도 같다. 인텔이 새롭게 출시한 12세대 앨더 레이크 CPU 시리즈가 벤치마크 기록을 깼지만, 지난해 출시된 AMD의 라이젠 5000 아키텍처를 고수하거나, 다른 신제품을 기다릴만한 이유도 있다. 인텔과 AMD CPU를 자세히 살펴보자.

ⓒ Gordon Mah Ung

비교 대상 제품 


PC 조립 부품을 예산 기준으로 결정하고, 반도체 수급난에서 CPU를 정가에 구매할 수 있다고 가정했을 때, 인텔과 AMD 제품 선택지를 몇 가지로 압축할 수 있다.

인텔성능/효율 코어쓰레드가격
Core i9 12900K/KF8/824590달러/570달러
Core i7 12700K/KF8/420410달러/390달러
Core i5 12600K/KF6/416290달러/270달러
AMD  성능 코어 쓰레드    가격   
Ryzen 9 5950X1632800달러
Ryzen 9 5900X1224550달러
Ryzen 7 5800X816450달러
Ryzen 5 5600X612300달러

비교적 저렴한 인텔 CPU인 F 시리즈는 통합 그래픽카드가 없어 별도의 GPU가 필요하다. 라이젠 프로세서는 외장 그래픽카드와 짝을 이루어야 한다. 인텔이 ‘한 방’을 노리고 있기 때문에 이 비교에서는 최상급인 16코어 라이젠 9 5950X도 함께 살펴볼 예정이다. 12900KF가 최대 8코어이기 때문에 라이젠 9 5950X와 직접적인 비교 대상은 아니지만, 인텔은 AMD와 꽤 대등하게 싸우고 있다. CPU에만 80만원을 지출할 계획이라면 더 큰 파워 서플라이가 필요하다.

인텔 코어 CPU 에 대한 이해

인텔 코어 CPU에 대한 자료를 찾아보면 쿼드(Quad) 코어, 하이퍼-스레딩(Hyper-Threading), 터보-부스팅(Turbo-Boosting), 캐시(Cache) 크기 같은 용어를 많이 볼 수 있다.
인텔 코어 i3, i5, i7, i9는 각각 어떻게 다를까?
칩셋에는 세대가 있는데, 세대의 의미와 차이는 무엇일까?
하이퍼-스레딩은 무엇이고 클럭 속도는 어느 정도가 적합할까?

새 프로세서를 구입하기 전에 먼저 현재 사용하고 있는 인텔 CPU를 이해해보자.
지금 내 PC 성능이 어느 정도인지 알기 위해서이다.
가장 빠른 방법은 제어판 > 시스템 및 보안 항목에서 시스템을 선택하는 것이다.

여기에서 현재 PC에 설치된 CPU, RAM, 운영체제 정보를 확인할 수 있다.
프로세서 아래에 현재 설치된 인텔 CPU가 무엇인지, 인텔 코어 i7-4790, 인텔 코어 i7-8500U 같은 모델명을 확인할 수 있을 것이다. 또 Ghz가 단위인 CPU 클럭 속도를 알 수 있다. 나중에 이와 관련해 더 자세히 설명을 하겠다.

일단 CPU부터 알아보자.
CPU 모델명에는 숫자가 많아 어려워 보이지만, 이 숫자가 무슨 의미인지 이해하는 것은 어려운 일이 아니다.

모델명의 앞 부분인 “인텔 코어”는 인텔이 만든 코어 시리즈 프로세스 중 하나라는 의미다. 코어는 인텔에서 가장 크고, 인기있는 제품군이다. 따라서 많은 인텔 제품 데스크톱과 노트북 컴퓨터에서 인텔 코어라는 표기를 발견할 수 있다.

참고 : 인텔은 셀룰론(Celeron), 펜티엄(Pentium), 제온(Xeon) 등 다양한 프로세스 제품군을 판매하고 있지만, 이 기사는 인텔 코어 프로세스에 초점을 맞춘다.

그 다음 “i7”은 CPU 내부 마이크로 아키텍처 디자인의 종류이다.
자동차가 클래스와 엔진 종류로 나눠지는 것과 비슷하다. 이들 ‘엔진’이 하는 일은 동일하다. 그러나 차량 브랜드에 따라 일을 하는 방법이 다르다.
인텔의 경우 코어 브랜드 CPU의 클래스인 i3, i5, i7이 각각 사양이 다르다. 여기서 사양이란 코어의 수, 클럭 속도, 캐시 크기, 터보 부스트 2.0과 하이퍼스레딩 같은 고급 기능 지원 여부를 말한다.
코어 i5와 i7 데스크톱 프로세서는 통상 쿼드 코어(코어가 4개)이고, 로우엔드(저가) 코어 i3 데스크톱 프로세스는 듀얼 코어(코어가 2개)다.

이제 SKU와 세대에 대해 알아보자. 앞서 예로 들은 “4790”으로 설명하겠다.
첫 번째 숫자인 “4”는 CPU의 세대이고, “790”는 일종의 일련번호, 또는 ID 번호이다. 즉 인텔 코어 i7이 4세대 CPU라는 이야기이다.

그런데 ‘접미사’가 붙는 경우가 있다. 위에서 예로 든 모델에는 접미사가 없지만 “Intel Core i7-8650U” 같이 끝에 접미사가 붙은 모델이 있다. 여기에서 “U”는 “Ultra Low Power(초저전력)”를 의미한다.
인텔은 모델명에 다양한 접미사를 사용하는데 세대에 따라 의미가 바뀌는 경우가 있다. 따라서 현재 사용하고 있는 CPU 모델을 정확히 해석하려면 링크된 인텔의 ‘접미사 목록’ 페이지를 참고하자.

CPU의 세대는 중요할까?

꽤 중요하다. 간단히 말해, 그리고 일반적으로 세대가 높을 수록, 즉 새로울 수록 더 좋다. 하지만 세대별로 개선된 정도는 각기 다르다.

인텔에 따르면, 최신 8세대 인텔 코어 프로세스는 7세대보다 최대 40%까지 성능이 향상됐다. 물론 비교 대상에 따라 성능 향상치가 크게 다르다. SKU가 세대별로 다를 수 있기 때문이다. 예를 들어, 인텔 코어 i7-8850U는 있지만 인텔 코어 i7-7850U는 없다.

세대가 높을 수록 최신 프로세서라는 것이 기본 원칙이다. 더 발전한 기술과 설계의 이점을 누릴 수 있다는 의미이며, PC 성능도 따라서 향상될 것이다.

코어가 많을 수록 좋을까?
간단히 대답하면, 일반적으로 코어 수가 적은 것보다 많은 것이 좋다. 코어가 1개인 프로세서는 한 번에 스레드 1개만 처리할 수 있다. 그리고 코어가 2개인 프로세서는 2개를, 코어가 4개인 쿼드 코어 프로세서는 4개를 처리할 수 있다.

그렇다면 스레드(Thread)는 무엇일까? 아주 간단히 설명하면, 스레드는 특정 프로그램에서 나와 프로세서를 통과하는 연속된 데이터 데이터 흐름을 말한다. PC의 모든 것은 프로세서를 통과하는 스레드로 귀결된다.

즉, 논리적으로 코어가 많을 수록 한 번에 처리할 수 있는 스레드가 많다. PC가 더 빠르고 효율적으로 데이터를 처리하고 명령을 실행할 수 있다는 이야기이다. 그러나 새 CPU를 조사하면서 코어 수에만 초점을 맞추면 자칫 코어 수만큼 중요한 수치인 클럭 속도를 무시할 위험이 있다.

CPU의 각 코어에는 Ghz가 단위인 클럭 속도가 있다. 클럭 속도는 CPU 실행 속도다. 클럭 속도가 빠를 수록, CPU가 한 번에 처리 및 실행할 수 있는 명령이 많다.

클럭 속도는 통상 높을 수록 더 좋다. 그러나 발열과 관련된 제약 때문에 프로세서의 코어 수가 많을 수록 클럭 속도가 낮은 경향이 있다. 이런 이유로 코어 수가 많은 PC가 최고의 성능을 발휘하지 못하는 경우도 있다.
그렇다면 가장 알맞은 클럭 속도는 어느 정도일까?

클럭 속도는 PC로 하려는 일에 따라 달라진다. 일부 애플리케이션은 싱글스레드로 실행된다. 반면, 여러 스레드를 활용하도록 만들어진 애플리케이션도 있다. 비디오 렌더링이나 일부 게임 환경이 여기에 해당된다. 이 경우, 코어 수가 많은 프로세서가 클럭 속도가 높지만 코어가 하나인 프로세스보다 성능이 훨씬 더 높다.
수치해석의 경우는 계산량이 많은 큰 해석의 경우 멀티코어가 훨씬 유리하다.

웹 브라우징 같은 일상적인 작업에서는 클럭 속도가 높은 i5 프로세서가 i7보다 가격 대비 성능이 훨씬 더 높다는 의미이다. 즉, 코어 수가 많은 프로세서보다 클럭 속도는 높고 코어 수가 적은 프로세서를 구입하는 것이 훨씬 경제적인 대안이 될 수도 있다.


앞서 언급했듯, 일반적으로 프로세서 코어 하나가 한 번에 하나의 스레드만 처리할 수 있다. 즉, CPU가 듀얼 코어라면 동시에 처리할 수 있는 스레드가 2개다. 그러나 인텔은 하이퍼-스레딩이라는 기술을 개발해 도입했다. 가상으로 운영체제가 인식하는 코어를 2배 증가시키는 방법으로 하나의 코어가 동시에 여러 스레드를 처리할 수 있는 기술이다.

즉 i5의 물리적 코어 수는 4개이지만, 여러 스레드를 지원하는 애플리케이션을 실행시키면 하이퍼-스레딩이 코어 수를 가상으로 2배 늘려서 성능을 크게 향상하는 방법이다.

터보 부스트(Turbo Boost)란?

인텔의 터보 부스트는 프로세서가 필요한 경우 동적으로 클럭 속도를 높이는 기능이다. 터부 부스트로 높을 수 있는 최대 클럭 속도는 활성 코어의 수, 추정되는 전류 및 전력 소모량, 프로세서 온도에 따라 달라진다.

알기 쉽게 설명하면, 인텔 터보 부스트 기술은 사용자의 프로세서 사용 현황을 모니터링, 프로세서가 ‘열 설계 전력’의 최대치에 얼마나 가까이 도달했는지 판단한 후 적절한 수준으로 클럭 속도를 높인다. 기본적으로 가장 적절하고 우수한 클럭 속도와 코어 수를 제공한다.

현재 터보 부스트 테크놀로지 2.0 버전이 사용되고 있으며, 여러 다양한 7세대 및 8세대 인텔 코어 i7과 i5 CPU에서 이를 지원한다.

i3, i5, i7, i9 프로세서 중 하나를 선택하기 전에 클럭 속도, 코어 수와 함께 기억해야 할 한 가지가 또 있다.

캐시 크기

CPU가 동일한 데이터를 계속 사용하는 경우, CPU는 이 데이터를 프로세서의 일부분인 캐시라는 곳에 저장된다. 캐시는 RAM과 비슷하다. 그러나 메인보드가 아닌 CPU에 구축되어 있어 훨씬 더 빠르다.
캐시 크기가 크면 더 빨리 더 많은 데이터에 액세스 할 수 있다. 클럭 속도 및 코어 수와 다르게, 캐시 크기는 무조건 클 수록 더 좋다. 메모리가 많을 수록 CPU 성능이 향상된다.

7세대 코어 i3 및 코어 i5 프로세서 U 및 Y 시리즈 캐시 크기는 3MB, 4MB이다. 코어 i7의 캐시 크기는 4MB이다. 현재 8세대 프로세서의 캐시 메모리는 6MB, 8MB, 9MB, 12MB이다.

코어 i3, i5, i7, i9의 차이점은 무엇일까?
일반적으로 코어 i7은 코어 i5, 코어 i5는 코어 i3보다 나은 프로세서이다. 코어 i7의 코어 수는 7개가 아니다. 코어 i3 역시 코어 수가 3개가 아니다. 코어 수나 클럭 속도가 아닌 상대적인 연산력의 차이를 알려주는 수치다.

2017년 출시된 코어 i9 시리즈는 고가의 고성능 프로세서이다. 최상급인 코어 i9-7980X의 코어 수와 클럭 속도는 18개와 2.6GHz, 한 번에 처리할 수 있는 스레드는 32개이다. 가장 저렴한 코어 i9-7900X의 경우 각각 10코어, 3.3GHz(기본 클럭 속도), 20 스레드이다.

수치해석 측면에서 구입해야 할 컴퓨터를 고려한다면 CPU 성능은 현재 최신코어인 i7과 i9을 구입하는 것이 원하는 성능을 정확히 제공하는 CPU를 선택하는 방법이지만 예산과 성능이라는 선택의 문제가 존재한다.

AMD CPU 에 대한 이해


AMD CPU 이름 규칙 및 코드명, 종류, 세대, 소켓 알아보기

AMD 1600, AMD 2400G, Athlon 240GE, AMD 3990X 등 AMD에 다양한 종류의, 다양한 모델명을 가진 cpu들이 있습니다. AMD cpu, apu의 종류와 세대, 소켓에 대해서 알아보도록 하며 이 글에서는 2017년 3월 3일 이후 나온 ‘라이젠’ 시리즈의 cpu, apu에 대해서만 다루도록 하겠습니다.

AMD 라이젠 시리즈는 현재 3세대까지 출시되었으며, 크게 일반 cpu, 하이엔드 cpu(스레드리퍼), 일반 APU, 모바일 APU으로 나뉩니다. 또한 소켓은 현재까지 나온 cpu 중 하이엔드 cpu를 제외한 cpu는 모두 am4소켓입니다.

AMD CPU 이름 규칙

이름 규칙


이름 규칙

AMD 라이젠 시리즈는 ‘AMD 라이젠 7 1700X’를 예로 들면, 앞의 ‘AMD’는 회사 이름을 나타내며

뒤에 ‘라이젠 7’은 성능을 나타냅니다.
‘라이젠 3’은 메인스트림,
‘라이젠 5’는 고성능,
‘라이젠 7’은 최고 성능입니다.

그리고 뒤에 ‘1’은 세대를 나타냅니다.
‘1700’은 Zen 1세대이며,
‘AMD 라이젠 5 2400G’와 같이 APU는 기존 세대에 비해 조금 개선되긴 했지만, 다음 세대 정도까지에 개선은 아니라서 세대는 같지만, ‘400G’앞에 붙는 숫자는 1이 더해져서 나옵니다.

그리고 두번째 자리 ‘7’은 성능을 나타냅니다.
‘2,3’은 메인스트림,
‘4,5,6’은 고성능,
‘7,8’은 최고 성능입니다.

그리고 세네번째 자리는 세세한 기능의, 세세한 성능의 변화 정도로 생각하시면 됩니다.

출처: [미니쿠파]


인텔 코어 i9-12900K 리뷰 | 왕좌 탈환 노리는 ‘인텔의 귀환’


Gordon Mah Ung | PCWorld구원 서사를 좋아하지 않는 사람은 없다. 인텔 12세대 코어 i9-12900K는 오랫동안 회자될 귀환 이야기의 주인공이다. 한때 강력하고 득의양양했던 챔피언은 수 년 전 부활한 AMD 라이젠 프로세서의 손에 굴욕적인 패배를 겪었고 어떻게 해서든 다시 한번 싸울 방법을 찾아 마침내 승리를 외치려고 한다. 이제 카메라가 페이드아웃 되면서 엔딩 크레딧으로 넘어간 셈이다.

인생이나 기술은 그런 헐리우드식 결말을 맺기 어렵지만, 인텔 코어 i9-12900K는 그런 드라마의 주인공 역할을 상당히 잘 해낸 것 같다. 지난 몇 년 동안 AMD 프로세서에 두들겨 맞은 후 태어난 12900K는 경쟁 제품인 라이젠 9 5950X보다 훨씬 더 나은 CPU로 더 많은 사용자에게 활용 가능성을 안겼다. 화끈한 KO 승리를 거둔 것은 전혀 아니지만, 인텔 12세대 앨더 레이크 프로세서의 뛰어난 장점과 기능을 고려할 때 바로 오늘 구입할 수 있는 하이엔드 데스크톱 프로세서다. 

ⓒ Gordon Mah Ung

12세대 앨더 레이크는 어떤 CPU?

인텔 12세대 앨더 레이크는 근본적으로 인텔 7 공정을 기반으로 만들어진 하이브리드 CPU 설계다. 사실 이것만으로도 엄청난 일이다. 14나노 트랜지스터 기술에 5년 이상을 허비한 끝에, 앨더 레이크는 마침내 하나의 노드를 뛰어넘었다. (기존 10나노 공정이 리브랜드된 후 인텔 7이라는 이름으로 불린다.)

새롭게 설계된 고성능 CPU 코어와 더 작아진 효율 코어를 혼합하여 성능 대 전력 비율의 균형을 최적화했다. 완전히 재설계된 큰 코어를 가진 인텔의 첫 번째 인텔 7 프로세스 데스크톱 CPU라고 이해하는 것이 가장 쉽다. 그리고 여기에 더해 여러 개의 나머지 효율성 코어 성능이 이전 10세대 코어만큼 우수하다. 또한, 12세대 앨더 레이크는 PCIe 5.0, DDR5 메모리, LGA1700 소켓을 비롯해 새로운 표준을 다수 지원한다.

ⓒ Intel

CPU 렌더링 성능

인텔의 전통점 강점이 아니었던 3D 렌더링과 모델링부터 시작하자. 지금까지는 PC에서 3D 모델링 애플리케이션 실사용자가 많지 않아서, 이들 전문 애플리케이션의 실행 성능에 큰 의미를 두지 않았다는 것이 인텔의 주장이었다. 라이젠 CPU의 눈부신 성능에 뒤지는 경우에만 렌더링 성능에서 피벗을 뺐다는 점에 주목하는 사람도 많다.

맥슨 시네벤치 R23부터 시작한다. 맥슨 시네마4D 애플리케이션에 사용되는 렌더링 엔진 테스트이며, 같은 렌더링 엔진이 일부 어도비 애플리케이션에도 내장되어 있다.

최신 버전은 10분 쓰로틀링 테스트를 기본값으로 제안한다. 인텔 10세대, 11세대 칩과 윈도우 11 환경을 테스트한 결과는 없지만, 윈도우 10과 10코어 코어 i9-10900K가 1만 4,336점을 받았고 8코어 코어 i9-11900K는 1만 6,264점을 받았다. 사실 둘 다 2만 2,168점을 받은 AMD 12코어 라이젠 9 5900X과는 상대가 되지 않는다. 그래서 굳이 16코어 라이젠 9 5950X와 비교할 필요가 없었다.

눈길을 끄는 것은 코어 i9-12900K의 긴 파란 막대다. 인텔이 앨더 레이크에서 추구한 하이브리드 설계를 추구하는 것에 여러 가지 말이 많았지만, 12900K는 오랫동안 라이젠의 홈그라운드였던 렌더링 벤치마크에서 AMD의 1, 2위 CPU를 아주 약간이나마 능가해 호사가의 입을 단속한다.


하지만 인텔이 옳다. 모든 CPU 코어와 쓰레드를 다 쓰는 애플리케이션을 사용하는 사람은 그다지 많지 않다. 따라서 시네벤치로 단일 쓰레드 성능을 살펴보는 것도 중요하다. 시네벤치 멀티코어 성능은 라이트룸 클래식 올코어 영상 인코딩이나 사진 내보내기 성능을 알려주고, 시네벤치 R23 단일 쓰레드 성능은 그보다는 오피스나 포토샵 실행에 조금 더 가깝다. 다시 한번 강조하지만, 코어 i9-10900K와 윈도우 11 결과는 없지만, 10세대 제품의 기존 점수는 1,325점, 11세대 제품은 1,640점을 기록한 AMD 라이젠과 비슷한 수준이다.

그러나 인텔 최신 성능 코어는 라이젠 9 5950X보다 성능이 19% 높고, 구형 10세대 칩보다 31%나 나아져 당혹스러울 정도였다. 맥북 프로 M1 맥스와 앨더 레이크를 비교하면 어떨지를 궁금해 하는 이에게 알려주자면, 앨더 레이크가 우세하다. 모바일 칩과 데스크톱 칩을 비교하는 단일 쓰레드 성능 테스트에서 12세대 앨더 레이크 CPU는 애플 최신 M1 칩보다 약 20%나 더 빨랐다. 물론 인텔 제품은 노트북용 칩이 아니었지만, 인텔 12세대 CPU를 탑재한 노트북이 출시되면 충분히 맥북 프로의 경쟁자가 될 것이다.


압축 성능

CPU의 압축 성능은 인기있고 무료인 7-Zip 내부 벤치마크로 측정했다. 벤치마크는 CPU 쓰레드 수를 살펴보고 테스트하면서 자체적으로 여러 번 스풀링을 반복한다. 압축 테스트에서는 코어를 전부 사용하는 경우 압축 성능에서 24%, 압축 해제 성능에서 35% 더 높은 수치를 보여준 라이젠이 가장 큰 승자다.

7-cpu.com에 따르면, 압축 측면에서는 메모리 지연 시간, 데이터 캐시의 크기 및 TLB(translation look ahead buffer)가 중요한 반면, 압축을 풀 때는 정수 및 분기 예측 실패 패널티(branch misprediction penalties)가 중요하다. 결국, 실제 애플리케이션으로 파일 압축하거나 압축을 푸는 것은 보통 단일 쓰레드에 의존하기 때문에 멀티 쓰레드 성능과의 상관 관계는 이론에 그친다고 할 수 있다.

12세대 코어 i9의 문제는 심지어 압축 성능도 화려하지 않다는 것이다. 실제로 11세대 코어 i9은 윈도우 10 단일 쓰레드 성능에서 7,916으로 약간 더 빠르다. 간단히 요약하면 라이젠 9이 7-zip 테스트에서 압축 성능 우위를 유지했다. 이견은 있을 수 없다. 일부는 초기 DDR5 메모리의 지연 시간과 7-Zip이 특별한 명령을 사용하지 않는 이유도 있겠지만, 어쨌든 압축 테스트에서는 라이젠이 승리했다.


인코딩 성능

CPU 인코딩 테스트는 무료이자 오픈소스인 핸드브레이크 트랜스코더/인코더를 사용하여 무료이자 오픈소스인 4K 티어스 오브 스틸(Tears of Steel) 영상을 H.265 코덱과 1080p 해상도로 변환하는 작업을 수행한다. 라이젠 9은 인코딩을 약 6% 더 빨리 끝내면서 다시 1위를 차지했다. 압도적인 승리는 아니지만 어쨌거나 1등이다. 


합성 테스트

이제 긱벤치 5로 옮겨간다. 이 테스트는 21개의 작은 개별 루프로 구성된 합성 벤치마크인데, 개발자인 프라이메이트 랩스(Primate Labs)는 텍스트 렌더링에서 HDR, 기계 언어 및 암호화 성능에 이르기까지 모든 분야에서 인기있는 애플리케이션을 모델링했다고 한다. 긱벤치는 과거 논란의 중심에 있었지만, 여전히 인기가 높은 벤치마크다. 3D 렌더링과 압축, 인코딩 등에서 순위가 오르내렸던 코어 i9-12900K는 라이젠 9 5950X보다 8%가량 

긱벤치 벤치마크는 과거에 논란의 대상이 되었지만, 오늘날에는 비난받지 않고서 어떤 테스트를 유지하는 것이 어렵다. 하지만 이 제품은 어리석게도 인기가 있고, 당신이 긱벤치 5에 대해 어떻게 생각하든 간에, 사람들은 CPU가 거기에서 어떻게 작동하는지 보고 싶어한다. 3D 렌더링, 압축 및 인코딩을 어느 정도 반복한 결과, 인텔 코어 i9-12900K가 라이젠 9 5950X보다 약 8% 앞서는 것으로 나타났다.


콘텐츠 제작 성능 

전체 점수는 코어 i9-12900K가 라이젠 9 59050X에 비해 4% 더 앞선다. 프로시언 2.0은 이미지 보정(retouch)와 일괄 내보내기라는 2가지 방식으로 결과를 나눈다. 프로시언에 따르면, 이미지 보정에서는 기본적으로 12세대 코어 i9과 라이젠 9이 동점이었다. 주로 라이트룸 클래식 사진 내보내기 성능을 시험한 일괄 처리에서는 코어 i9가 최대 5%까지 앞섰다. 라이트룸 사진 내보내기가 멀티코어 성능에 의존하는 경향이 크기 때문에 마지막 결과에 놀랐다. 라이젠 9의 승리를 예상했기 때문이다. 결과는 그렇지 않았다. 


AI 성능


실생활 성능

비싼 컴퓨터로 인디 영화를 위한 특수 효과를 만들거나 이국적인 여행에서 찍은 사진을 편집하는 것을 상상하기 쉽지만, 세상 일의 대다수는 청구서를 지불하는 지루한 작업과 더 연관이 깊다. 따라서 마이크로소프트 오피스 성능을 UL의 프로시언 2.0 오피스 생산성 테스트를로 측정했다. 어도비와 마찬가지로, 다루는 마이크로소프트 워드, 엑셀, 파워포인트 및 아웃룩에서 고품질 미디어를 많이 다루는 작업을 대상으로 한다. 현실이 지루한 것처럼, 이런 작업이 가장 현실적이라고 할 수 있을 것이다.

오피스나 사무적이고 딱딱한 아웃룩 성능에 열광하는 사람에게는 라이젠보다 16% 빠른 코어 i9-12900K가 유리한 것으로 나타났다. 개별 애플리케이션을 결과에 따르면 12세대 코어 i9는 워드에서 14%, 엑셀에서 19%, 파워포인트에서 10%, 아웃룩에서 19% 더 빠르다. 


게이밍 성능

첫 번째 차트의 수직 축 눈금은 60와트에서 340와트까지를 표시하며, 0은 시간 수평 축을 의미한다. 먼저 모든 코어를 사용하여 시네벤치 R20을 실행했는데, 12900K(빨간색) 막대가 320와트의 총소비량까지 올라간 것을 볼 수 있다. 이것은 거의 라이젠 9 5950X(보라색)의 최대치보다 거의 100와트 더 많다. 약 45% 더 많은 양이다. 일단 모든 코어에 대해 두 칩 모두 시네벤치를 완료하면, 단일 코어나 쓰레드를 사용하여 칩을 실행한다. 이제 115와트 범위의 12세대 코어 i9의 총 시스템 전력을 볼 수 있는데, 라이젠 9가 약 10와트를 더 소비한다. 코어 i9가 테스트를 더 빨리 끝내고 라이젠 9 시스템보다 더 적은 전력을 사용한 것도 확인할 수 있다. 


전력 소비


쓰레드 스케일링

인텔의 11세대부터 12세대까지의 세대별 성능 변화는 경이롭다. 단일 쓰레드를 사용함으로써 코어 i9-12900K는 이전 제품보다 42% 더 빠르며 그 속도에서 조금 올라간다. 8개 쓰레드에서 최신 세대의 코어 i9 최대치를 기록할 때 12세대 코어 i9은 놀랍게도 82% 더 빠르다. 지난 3월 출시된 11세대 칩과 비교하면 완전히 놀라운 변화다. 직접 전력 양을 추적해보지는 않았지만, 이전 11세대 코어 i9-11900K는 시네벤치 R20 실행에 거의 380와트 가까이를 사용한 반면, 12세대 코어 i9는 약 320와트를 사용했다. 따라서, 12세대 코어는 훨씬 적은 전력을 사용하면서도 훨씬 더 빠르다.


인텔 코어 i9-12900K, 결론

조금 의외일지도 모르겠다. 최고의 CPU라는 것은 존재하지 않는다는 것이 결론이다.

그보다는 특정 요구에 가장 적합한 CPU가 곧 최고의 CPU다. 이 긴 벤치마크는 각 요구사항을 6개 부문으로 나눠 각 분야에서 어떤 칩이 승리했는지를 확인했다. 인텔에 좋은 소식은 거의 모든 부문에서 좋은 위치를 차지하고 있다는 것이다.

렌더링 / 하이쓰레드 카운트 
하이 쓰레드 카운트 애플리케이션 및 렌더링에서 코어 i9-12900K는 시네벤치 R23 테스트에서 가까스로 승리라는 결과를 냈지만, 다른 CPU 렌더링 테스트에서는 훨씬 미묘한 결과가 나왔다. 솔직히 90% 렌더링 PC용 칩을 선택한다면, 라이젠 9 5950X가 아마 더 나은 선택일 것이다. 
승리 : 라이젠 9 5950X.

콘텐츠 제작
앞서 살펴본 바와 같이, 콘텐츠 제작은 단순히 쓰레드가 제일 많기만 하면 되는 작업이 아니고, 12세대 코어 i9은 라이젠 9 5950X보다 더 많은 역량을 증명했다. 포토샵, 라이트룸 클래식, 프리미어 프로를 주로 다룬다면 인텔이 더 나은 선택이 될 것이다. 
승리 : 코어 i9-12900K.

오피스 생산성과 크롬의 벤치마크를 통해 반응성이 더 높은 것이 인텔 CPU라는 점을 확인했다. 물론 결과에 동의하지만 동시에 라이젠 9 5950X도 두 사용례를 모두 잘 처리할 수 있다고도 믿는다. 아웃룩, 워드 실행이나 인터넷 검색이 주 작업인 하이엔드 데스크톱을 조립할 경우 약간 등급을 낮춰도 될 것 같다.
승리: 코어 i9-12900K.

실제 게임 플레이에서 차이를 보려면 CPU보다 GPU에 더 집중해야 한다. 그렇지만 게임 테스트에서 인텔 12세대 코어 i9은 분명히 라이젠보다 점수가 높거나 거의 동점이었다. 의심의 여지없이 최고의 게임용 CPU다. 하지만 어느 쪽을 택해도 좋은 선택이다.
승리 : 코어 i9-12900K.

인텔 12세대 플랫폼은 PCIe 5.0 및 DDR5 메모리라는 새로운 세계를 열었다. 또한, 필요한 경우 썬더볼트를 사용할 수 있고 와이파이 6E까지도 통합되어 있다. 물론, DDR5의 가치가 없다고 말하는 이들도 있고 그런 주장에도 이유가 있겠지만, 인텔로서는 충분히 새로운 점이 있다. 
승리 : 코어 i9-12900K.

아직도 AMD 라이젠 9 5950X가 그리 대단한 가치가 없다고 생각하는 사람도 있고, 그 전 해에 2,000달러나 했던 CPU와 성능이 동등한데도 가격이 750달러에 불과한 것을 칭찬하는 사람도 있다. 만약 라이젠 9의 가격이 터무니없이 저렴하다고 생각하는 쪽이라면, 589달러라는 코어 i9-12900K의 공격적인 가격표를 보고 당장 구매하겠다고 소리칠 것이다. 하지만 이 가격은 대량 구매시 적용되는 값이다. 그렇지만 전통적으로 대량구매 가격은 초기 수요가 확정되면 시중가와 몇 달러 차이 나지 않는다. 그렇다. 여기서 가격 대비 가치가 높은 제품은 인텔이다. 그야말로 해가 서쪽에서 뜰 기세다.
승리 : 코어 i9-12900K.

코어 i9-12900K는 위대한 과거 명성을 회복하고 다시 왕좌를 탈환하려고 나섰다. 앨더 레이크는 기다릴 가치가 충분했다. 인텔에게 박수를 보낸다, 브라보. 

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

Spillway Hydraulics Assessments

Spillway Hydraulics Assessments

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

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

W.A.C. Bennett Dam

Shock Waves in Spillway Chute

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

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

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

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

Strathcona Dam

Poor Approach Conditions and Uncertainty of Spillway Rating Curves

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

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

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

John Hart Dam

Optimization of a Proposed Spillway

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

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

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


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

Conflict resolution in the multi-stakeholder stepped spillway design under uncertainty by machine learning techniques

기계 학습 기술에 의한 불확실성 하에서 다중 이해 관계자 계단형 배수로 설계의 충돌 해결

Conflict resolution in the multi-stakeholder stepped spillway design under uncertainty by machine learning techniques

Mehrdad GhorbaniMooseluaMohammad RezaNikoobParnian HashempourBakhtiaribNooshin BakhtiariRayanicAzizallahIzadyd
aDepartment of Engineering Sciences, University of Agder, Norway
bDepartment of Civil and Environmental Engineering, Shiraz University, Shiraz, Iran
cSchool of Engineering, Department of Civil and Environmental Engineering, Shiraz University, Shiraz, IrandWater Research Center, Sultan Qaboos University, Muscat, Oman


The optimal spillway design is of great significance since these structures can reduce erosion downstream of the dams. This study proposes a risk-based optimization framework for a stepped spillway to achieve an economical design scenario with the minimum loss in hydraulic performance. Accordingly, the stepped spillway was simulated in the FLOW-3D® model, and the validated model was repeatedly performed for various geometric states.

The results were used to form a Multilayer Perceptron artificial neural network (MLP-ANN) surrogate model. Then, a risk-based optimization model was formed by coupling the MLP-ANN and NSGA-II. The concept of conditional value at risk (CVaR) was utilized to reduce the risk of the designed spillway malfunctions in high flood flow rates, while minimizing the construction cost and the loss in hydraulic performance.

Lastly, given the conflicting objectives of stakeholders, the non-cooperative graph model for conflict resolution (GMCR) was applied to achieve a compromise on the Pareto optimal solutions. Applicability of the suggested approach in the Jarreh Dam, Iran, resulted in a practical design scenario, which simultaneously minimizes the loss in hydraulic performance and the project cost and satisfies the priorities of decision-makers.


Stepped spillway, FLOW-3D® ,CVaR-based optimization model, GMCR-plus, NSGA-II

최적의 배수로 설계는 이러한 구조가 댐 하류의 침식을 줄일 수 있기 때문에 매우 중요합니다. 본 연구에서는 유압 성능 손실을 최소화하면서 경제적인 설계 시나리오를 달성하기 위해 계단형 여수로에 대한 위험 기반 최적화 프레임워크를 제안합니다. 따라서 FLOW-3D® 모델에서 계단식 배수로를 시뮬레이션하고 다양한 기하학적 상태에 대해 검증된 모델을 반복적으로 수행했습니다.

결과는 다층 퍼셉트론 인공 신경망(MLP-ANN) 대리 모델을 형성하는 데 사용되었습니다. 그런 다음 MLP-ANN과 NSGA-II를 결합하여 위험 기반 최적화 모델을 구성했습니다. 위험 조건부 값(CVaR)의 개념은 높은 홍수 유량에서 설계된 방수로 오작동의 위험을 줄이는 동시에 건설 비용과 수리 성능 손실을 최소화하기 위해 활용되었습니다.

마지막으로 이해관계자의 상충되는 목표를 고려하여 파레토 최적해에 대한 절충안을 달성하기 위해 갈등 해결을 위한 비협조적 그래프 모델(GMCR)을 적용하였다. 이란 Jarreh 댐에서 제안된 접근 방식의 적용 가능성은 수력 성능 손실과 프로젝트 비용을 동시에 최소화하고 의사 결정자의 우선 순위를 만족시키는 실용적인 설계 시나리오로 귀결되었습니다.


flow3d AM-product
FLOW-3D AM-product

와이어 파우더 기반 DED | Wire Powder Based DED

일부 연구자들은 부품을 만들기 위해 더 넓은 범위의 처리 조건을 사용하여 하이브리드 와이어 분말 기반 DED 시스템을 찾고 있습니다. 예를 들어, 이 시뮬레이션은 다양한 분말 및 와이어 이송 속도를 가진 하이브리드 시스템을 살펴봅니다.

와이어 기반 DED | Wire Based DED

와이어 기반 DED는 분말 기반 DED보다 처리량이 높고 낭비가 적지만 재료 구성 및 증착 방향 측면에서 유연성이 떨어집니다. FLOW-3D AM 은 와이어 기반 DED의 처리 결과를 이해하는데 유용하며 최적화 연구를 통해 빌드에 대한 와이어 이송 속도 및 직경과 같은 최상의 처리 매개 변수를 찾을 수 있습니다.

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

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

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

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

레이저 파우더 베드 퓨전 (L-PBF)

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

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

파우더 베드 부설 공정

FLOW-3D DEM을 통해 분말 크기 분포, 재료 특성, 응집 효과는 물론 롤러 또는 블레이드 움직임 및 상호 작용과 같은 기하학적 효과와 관련된 분말 확산 및 압축을 이해할 수 있습니다. 이러한 시뮬레이션은 공정 매개 변수가 후속 인쇄 공정에서 용융 풀 역학에 직접적인 영향을 미치는 패킹 밀도와 같은 분말 베드 특성에 어떻게 영향을 미치는지에 대한 정확한 이해를 제공합니다.

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

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.

Melting | 파우더 베드 용해

DEM 시뮬레이션에서 파우더 베드가 생성되면 STL 파일로 추출됩니다. 다음 단계는 CFD를 사용하여 레이저 용융 공정을 시뮬레이션하는 것입니다. 여기서는 레이저 빔과 파우더 베드의 상호 작용을 모델링 합니다. 이 프로세스를 정확하게 포착하기 위해 물리학에는 점성 흐름, 용융 풀 내의 레이저 반사 (광선 추적을 통해), 열 전달, 응고, 상 변화 및 기화, 반동 압력, 차폐 가스 압력 및 표면 장력이 포함됩니다. 이 모든 물리학은 이 복잡한 프로세스를 정확하게 시뮬레이션하기 위해 TruVOF 방법을 기반으로 개발되었습니다.

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

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

Multilayer | 다층 적층 제조

용융 풀 트랙이 응고되면 DEM을 사용하여 이전에 응고된 층에 새로운 분말 층의 확산을 시뮬레이션 할 수 있습니다. 유사하게, 레이저 용융은 새로운 분말 층에서 수행되어 후속 층 간의 융합 조건을 분석 할 수 있습니다.

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

다층 적층 적층 제조 시뮬레이션

LPBF의 키홀 링 | Keyholing in LPBF

키홀링 중 다공성은 어떻게 형성됩니까? 이것은 TU Denmark의 연구원들이 FLOW-3D AM을 사용하여 답변한 질문이었습니다. 레이저 빔의 적용으로 기판이 녹으면 기화 및 상 변화로 인한 반동 압력이 용융 풀을 압박합니다. 반동 압력으로 인한 하향 흐름과 레이저 반사로 인한 추가 레이저 에너지 흡수가 공존하면 폭주 효과가 발생하여 용융 풀이 Keyholing으로 전환됩니다. 결국, 키홀 벽을 따라 온도가 변하기 때문에 표면 장력으로 인해 벽이 뭉쳐져서 진행되는 응고 전선에 의해 갇힐 수 있는 공극이 생겨 다공성이 발생합니다. FLOW-3D AM 레이저 파우더 베드 융합 공정 모듈은 키홀링 및 다공성 형성을 시뮬레이션 하는데 필요한 모든 물리 모델을 보유하고 있습니다.

바인더 분사 (Binder jetting)

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

Scan Strategy | 스캔 전략

스캔 전략은 온도 구배 및 냉각 속도에 영향을 미치기 때문에 미세 구조에 직접적인 영향을 미칩니다. 연구원들은 FLOW-3D AM 을 사용하여 결함 형성과 응고된 금속의 미세 구조에 영향을 줄 수 있는 트랙 사이에서 발생하는 재 용융을 이해하기 위한 최적의 스캔 전략을 탐색하고 있습니다. FLOW-3D AM 은 하나 또는 여러 레이저에 대해 시간에 따른 방향 속도를 구현할 때 완전한 유연성을 제공합니다.

Beam Shaping | 빔 형성

레이저 출력 및 스캔 전략 외에도 레이저 빔 모양과 열유속 분포는 LPBF 공정에서 용융 풀 역학에 큰 영향을 미칩니다. AM 기계 제조업체는 공정 안정성 및 처리량에 대해 다중 코어 및 임의 모양의 레이저 빔 사용을 모색하고 있습니다. FLOW-3D AM을 사용하면 멀티 코어 및 임의 모양의 빔 프로파일을 구현할 수 있으므로 생산량을 늘리고 부품 품질을 개선하기 위한 최상의 구성에 대한 통찰력을 제공 할 수 있습니다.

이 영역에서 수행 된 일부 작업에 대해 자세히 알아 보려면 “The Next Frontier of Metal AM”웨비나를 시청하십시오.

Multi-material Powder Bed Fusion | 다중 재료 분말 베드 융합

이 시뮬레이션에서 스테인리스 강 및 알루미늄 분말은 FLOW-3D AM 이 용융 풀 역학을 정확하게 포착하기 위해 추적하는 독립적으로 정의 된 온도 의존 재료 특성을 가지고 있습니다. 시뮬레이션은 용융 풀에서 재료 혼합을 이해하는 데 도움이됩니다.

다중 재료 용접 사례 연구

이종 금속의 레이저 키홀 용접에서 금속 혼합 조사

GM과 University of Utah의 연구원들은 FLOW-3D WELD 를 사용 하여 레이저 키홀 용접을 통한 이종 금속의 혼합을 이해했습니다. 그들은 반동 압력 및 Marangoni 대류와 관련하여 구리와 알루미늄의 혼합 농도에 대한 레이저 출력 및 스캔 속도의 영향을 조사했습니다. 그들은 시뮬레이션을 실험 결과와 비교했으며 샘플 내의 절단 단면에서 재료 농도 사이에 좋은 일치를 발견했습니다.

이종 금속의 레이저 키홀 용접에서 금속 혼합 조사
이종 금속의 레이저 키홀 용접에서 금속 혼합 조사
참조 : Wenkang Huang, Hongliang Wang, Teresa Rinker, Wenda Tan, 이종 금속의 레이저 키홀 용접에서 금속 혼합 조사 , Materials & Design, Volume 195, (2020).
참조 : Wenkang Huang, Hongliang Wang, Teresa Rinker, Wenda Tan, 이종 금속의 레이저 키홀 용접에서 금속 혼합 조사 , Materials & Design, Volume 195, (2020).

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.

electromagnetic metal casting computation designs Fig1

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

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


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

Korea Abstract

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

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

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

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

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

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


  1. 1.J. Sun, W. Wang, Q. Yue, Review on electromagnetic-matter interaction fundamentals and efficient electromagnetic-associated heating strategies. Materials 9(4), 231 (2016). Article Google Scholar 
  2. 2.E. Ghasali, A. Fazili, M. Alizadeh, K. Shirvanimoghaddam, T. Ebadzadeh, Evaluation of microstructure and mechanical properties of Al-TiC metal matrix composite prepared by conventional, electromagnetic and spark plasma sintering methods. Materials 10(11), 1255 (2017). Article Google Scholar 
  3. 3.D. Agrawal, Latest global developments in electromagnetic materials processing. Mater. Res. Innov. 14(1), 3–8 (2010).×12599329342926Article Google Scholar 
  4. 4.S. Singh, P. Singh, D. Gupta, V. Jain, R. Kumar, S. Kaushal, Development and characterization of electromagnetic processed cast iron joint. Eng. Sci. Technol. Int. J. (2018). Google Scholar 
  5. 5.S. Singh, D. Gupta, V. Jain, Electromagnetic melting and processing of metal–ceramic composite castings. Proc. Inst. Mech. Eng. Part B J. Eng. Manuf. 232(7), 1235–1243 (2016). Google Scholar 
  6. 6.S. Singh, D. Gupta, V. Jain, Novel electromagnetic composite casting process: theory, feasibility and characterization. Mater. Des. 111, 51–59 (2016). Google Scholar 
  7. 7.J. Lucas, J, What are electromagnetics? LiveScience. (2018).
  8. 8.R. Samyal, A.K. Bagha, R. Bedi, the casting of materials using electromagnetic energy: a review. Mater. Today Proc. (2020). Google Scholar 
  9. 9.S. Singh, D. Gupta, V. Jain, Processing of Ni-WC-8Co MMC casting through electromagnetic melting. Mater. Manuf. Process. (2017). Google Scholar 
  10. 10.R. Singh, S. Singh, V. Mahajan, Investigations for dimensional accuracy of investment casting process after cycle time reduction by advancements in shell moulding. Procedia Mater. Sci. 6, 859–865 (2014). Google Scholar 
  11. 11.R.R. Mishra, A.K. Sharma, On melting characteristics of bulk Al-7039 alloy during in-situ electromagnetic casting. Appl. Therm. Eng. 111, 660–675 (2017). Google Scholar 
  12. 12.S. Zhang, 10 Different types of casting process. (2021).,
  13. 13.Envirocare, Foundry health risks. (2013).
  14. 14.S.S. Gajmal, D.N. Raut, A review of opportunities and challenges in electromagnetic assisted casting. Recent Trends Product. Eng. 2(1) (2019)
  15. 15.R.R. Mishra, A.K. Sharma, Electromagnetic-material interaction phenomena: heating mechanisms, challenges and opportunities in material processing. Compos. Part A (2015). Google Scholar 
  16. 16.S. Chandrasekaran, T. Basak, S. Ramanathan, Experimental and theoretical investigation on electromagnetic melting of metals. J. Mater. Process. Technol. 211(3), 482–487 (2011). Google Scholar 
  17. 17.C.R. Bird, J.M. Mertz, U.S. Patent No. 4655276. (U.S. Patent and Trademark Office, Washington, DC, 1987)
  18. 18.R.R. Mishra, A.K. Sharma, Experimental investigation on in-situ electromagnetic casting of copper. IOP Conf. Ser. Mater. Sci. Eng. 346, 012052 (2018). Google Scholar 
  19. 19.V. Gangwar, S. Kumar, V. Singh, H. Singh, Effect of process parameters on hardness of AA-6063 in-situ electromagnetic casting by using taguchi method, in IOP Conference Series: Materials Science and Engineering, vol. 804(1) (IOP Publishing, 2020), p. 012019
  20. 20.X. Ye, S. Guo, L. Yang, J. Gao, J. Peng, T. Hu, L. Wang, M. Hou, Q. Luo, New utilization approach of electromagnetic thermal energy: preparation of metallic matrix diamond tool bit by electromagnetic hot-press sintering. J. Alloy. Compd. (2018). Google Scholar 
  21. 21.S. Das, A.K. Mukhopadhyay, S. Datta, D. Basu, Prospects of Electromagnetic processing: an overview. Bull. Mater. Sci. 32(1), 1–13 (2009). Google Scholar 
  22. 22.K.L. Glass, D.M. Ashby, U.S. Patent No. 9050656. (U.S. Patent and Trademark Office, Washington, DC, 2015)
  23. 23.S. Verma, P. Gupta, S. Srivastava, S. Kumar, A. Anand, An overview: casting/melting of non ferrous metallic materials using domestic electromagnetic oven. J. Mater. Sci. Mech. Eng. 4(4), (2017). p-ISSN: 2393-9095; e-ISSN: 2393-9109
  24. 24.S.S. Panda, V. Singh, A. Upadhyaya, D. Agrawal, Sintering response of austenitic (316L) and ferritic (434L) stainless steel consolidated in conventional and electromagnetic furnaces. Scripta Mater. 54(12), 2179–2183 (2006). Google Scholar 
  25. 25.Y. Zhang, S. Yang, S. Wang, X. Liu, L. Li, Microwave/freeze casting assisted fabrication of carbon frameworks derived from embedded upholder in tremella for superior performance supercapacitors. Energy Storage Mater. (2018). Google Scholar 
  26. 26.D. Thomas, P. Abhilash, M.T. Sebastian, Casting and characterization of LiMgPO4 glass free LTCC tape for electromagnetic applications. J. Eur. Ceram. Soc. 33(1), 87–93 (2013). Google Scholar 
  27. 27.M.H. Awida, N. Shah, B. Warren, E. Ripley, A.E. Fathy, Modeling of an industrial Electromagnetic furnace for metal casting applications. 2008 IEEE MTT-S Int. Electromagn. Symp. Digest. (2008). Google Scholar 
  28. 28.P.K. Loharkar, A. Ingle, S. Jhavar, Parametric review of electromagnetic-based materials processing and its applications. J. Market. Res. 8(3), 3306–3326 (2019). Google Scholar 
  29. 29.E.B. Ripley, J.A. Oberhaus, WWWeb search power page-melting and heat treating metals using electromagnetic heating-the potential of electromagnetic metal processing techniques for a wide variety of metals and alloys is. Ind. Heat. 72(5), 65–70 (2005)Google Scholar 
  30. 30.J. Campbell, Complete Casting Handbook: Metal Casting Processes, Metallurgy, Techniques and Design (Butterworth-Heinemann, 2015)Google Scholar 
  31. 31.B. Ravi, Metal Casting: Computer-Aided Design and Analysis, 1st edn. (PHI Learning Ltd, 2005)Google Scholar 
  32. 32.D.E. Clark, W.H. Sutton, Electromagnetic processing of materials. Annu. Rev. Mater. Sci. 26(1), 299–331 (1996)ADS Article Google Scholar 
  33. 33.A.D. Abdullin, New capabilities of software package ProCAST 2011 for modeling foundry operations. Metallurgist 56(5–6), 323–328 (2012). Google Scholar 
  34. 34.J. Ha, P. Cleary, V. Alguine, T. Nguyen, Simulation of die filling in gravity die casting using SPH and MAGMAsoft, in Proceedings of 2nd International Conference on CFD in Minerals & Process Industries (1999) pp. 423–428
  35. 35.M. Sirviö, M. Woś, Casting directly from a computer model by using advanced simulation software FLOW-3D Cast Ž. Arch. Foundry Eng. 9(1), 79–82 (2009)Google Scholar 
  36. 36.NOVACAST Systems, Nova-Solid/Flow Brochure, NOVACAST, Ronneby (2015)
  37. 37.AutoCAST-X1 Brochure, 3D Foundry Tech, Mumbai
  38. 38.EKK, Inc. Metal Casting Simulation Software and Consulting Services, CAPCAST Brochure
  39. 39.P. Muenprasertdee, Solidification modeling of iron castings using SOLIDCast (2007)
  40. 40.CasCAE, CT-CasTest Inc. Oy, Kerava
  41. 41.E. Dominguez-Tortajada, J. Monzo-Cabrera, A. Diaz-Morcillo, Uniform electric field distribution in electromagnetic heating applicators by means of genetic algorithms optimization of dielectric multilayer structures. IEEE Trans. Electromagn. Theory Tech. 55(1), 85–91 (2007). Article Google Scholar 
  42. 42.B. Warren, M.H. Awida, A.E. Fathy, Electromagnetic heating of metals. IET Electromagn. Antennas Propag. 6(2), 196–205 (2012)Article Google Scholar 
  43. 43.S. Ashouri, M. Nili-Ahmadabadi, M. Moradi, M. Iranpour, Semi-solid microstructure evolution during reheating of aluminum A356 alloy deformed severely by ECAP. J. Alloy. Compd. 466(1–2), 67–72 (2008). Google Scholar 
  44. 44.Penn State, Metal Parts Made In The Electromagnetic Oven. ScienceDaily. (1999) Retrieved May 8, 2021, from
  45. 45.R.R. Mishra, A.K. Sharma, A review of research trends in electromagnetic processing of metal-based materials and opportunities in electromagnetic metal casting. Crit. Rev. Solid State Mater. Sci. 41(3), 217–255 (2016). Article Google Scholar 
  46. 46.D.K. Ghodgaonkar, V.V. Varadan, V.K. Varadan, Free-space measurement of complex permittivity and complex permeability of magnetic materials at Electromagnetic frequencies. IEEE Trans. Instrum. Meas. 39(2), 387–394 (1990). Google Scholar 
  47. 47.J. Baker-Jarvis, E.J. Vanzura, W.A. Kissick, Improved technique for determining complex permittivity with the transmission/reflection method. Microw. Theory Tech. IEEE Trans. 38, 1096–1103 (1990)ADS Article Google Scholar 
  48. 48.M. Bologna, A. Petri, B. Tellini, C. Zappacosta, Effective magnetic permeability measurementin composite resonator structures. Instrum. Meas. IEEE Trans. 59, 1200–1206 (2010)Article Google Scholar 
  49. 49.B. Ravi, G.L. Datta, Metal casting–back to future, in 52nd Indian Foundry Congress, (2004)
  50. 50.D. El Khaled, N. Novas, J.A. Gazquez, F. Manzano-Agugliaro. Microwave dielectric heating: applications on metals processing. Renew. Sustain. Energy Rev. 82, 2880–2892 (2018).