圖1. 1 南海孤立內波空間分布圖(Hsu et al., 2000)

Numerical Modeling on Internal Solitary Wave propagation over an obstacle using Flow-3D

Keyword: Internal solitary waves, Numerical, Flow-3D, Computational Fluid Dynamics

연구자 : Yu-Ren Chen
지도교수 : Dr John R C Hsu
June 2012

기술과 수치 알고리즘의 발전으로 파도가 해양이나 항만 구조물에 미치는 영향에 대한 많은 연구가 개발되었으며,보다 정확한 결과를 얻기 위해 고효율 수치 계산 소프트웨어를 사용할 수 있습니다. 현재 내부 파 생성, 전송, 파동의 물리적 메커니즘은 국내외 해양 분야에서 중요한 연구 주제 중 하나입니다.

이 연구는 FLOW-3D 전산 유체 역학 (Computational Fluid Dynamics, CFD) 소프트웨어를 사용하여 상층의 담수와 하층의 담수를 시뮬레이션합니다. 바닷물의 밀도 계층화 유체는 중력 혼합 붕괴 방식을 사용하여 내부 파도를 생성하고 긴 경사와 같은 일반적인 장애물을 통해 파형 진화 및 유동장 분포를 탐구합니다.

짧은 플랫폼 사다리꼴 경사와 이등변 삼각형. 이 기사에서는 또한 소프트웨어 작동 설정과 FLOW-3D를 내부 파 실험에 적용하는 방법을 소개하고, 이전 실험 조건과 결과를 참조하여 내부 파 전송 과정을 시뮬레이션합니다. 시뮬레이션 결과는 실험 데이터를 확인하고 첫 번째 분석을 시뮬레이션합니다.

중력 붕괴 방식의 게이트의 개방 속도가 내부 파의 전송 시간 및 진폭에 미치는 영향; 시뮬레이션 결과는 게이트 개방 속도가 빠르고 내부 파의 진폭이 크고 전송 속도가 빠릅니다. ; 반대로 게이트 개방 속도가 느리면 내부 파의 진폭이 작고 전송 속도가 느리지 만 둘 다 비선형 비례 관계.

이 연구는 또한 다양한 장애물 (긴 기울기, 사다리꼴 기울기가있는 짧은 플랫폼, 이등변 삼각형)을 통한 내부 고독 파의 전송 과정을 시뮬레이션하고 단일 장애물을 통과하는 내부 파도의 파형 진화, 와류 및 유동장 변화를 논의합니다.

연구를 통해 우리가 매우 미세한 그리드를 사용하고 수치 시뮬레이션의 그래픽 출력을 열심히 분석 할 수 있다면 실험실 실험 관찰보다 내부 고독 파의 전송 특성을 더 잘 이해할 수 있다고 믿습니다.

요약

서로 다른 특성을 가진 두 유체의 계면에있는 파동을 계면 파라고합니다. 바다에서는 표층의 기압 변화에 의해 형성된 바람 장이 공기와 바다의 경계 파인 해면에 불어 올 때 변동을 일으킨다. 기체 또는 유체의 밀도 층화가 발생할 때 외부 힘 (예 : 바람, 압력, 파도 및 조류, 중력 등)에 의해 교란되면 내부 파도라고하는 경계면에서 변동이 발생할 수 있으므로 내부 파도가 발생할 수 있습니다. 웨이브는 밀도가 다른 층화 된 유체의 웨이브 현상입니다.

대기의 내부 파도와 같이 일상 생활에서 볼 수있는 내부 파도는 특히 오후 또는 비가 내리기 전에 깊고 얕은 altocumulus 구름 층으로 하늘에 자주 나타납니다. 대기 중의 내부 파의 움직임은 공기의 흐름에 영향을 주어 기류를 상승시키고 공기 중의 수증기가 물방울로 응축되어 구름이되도록합니다.

반대로 기류가 가라 앉으면 수증기가 응결이 쉽지 않습니다. 구름이 있어도 내부의 파도가 응결하기 어렵습니다. 소산되어 루버와 같은 altocumulus 구름을 형성합니다. 안정된 밀도와 층화 상태의 자연 수체는 외부 세계에 의해 교란 될 때 내부 파동 운동을 겪게됩니다.

예를 들어, 밀도가 안정되고 층화가 분명한 호수에서 바람 장은 수면에 파도에서 파생 된 내부 파동을 일으켜 물의 질량이 전달되고 호수 가장자리로 물이 축적되어 수위가 높아집니다. 위치 에너지를 형성하는 축적 영역; 수역이 가라 앉기 시작하면 위치 에너지를 운동 에너지로 변환하고 남미 콜롬비아의 Babine Lake의 내부 파동 거동과 같은 내부 파동 운동을 생성 할 수도 있습니다 (Farmer, 1978). ). 염분, 밀도 또는 온도가 안정된 바다에서는 조수와 지형의 영향으로 수역이 행성의 중력에 따라 움직입니다.

격렬한 기복이있는 지형을 통과 할 때 내부 파동이 발생합니다. ; 중국 해에서 발견되는 남쪽 내부 파도에서와 같이 (Hsu et al., 2000). 파동은 심해에서 얕은 물로 전달되며, 얕아 짐, 깨짐, 혼합, 소용돌이, 굴절, 회절 및 반사가있을 것입니다. 내부 파 전달은 일종의 파동이기 때문에 위에서 언급 한 파동 특성도 갖습니다.

해양 내부 파도는 길이가 수백 미터에서 수십 킬로미터에 이르는 광범위한 파장을 가지고 있으며,주기는 몇 분 정도 빠르며 수십 시간 정도 느리며 진폭은 몇 미터에서 수백 미터. 해양 내부 파도가 움직일 때 층화 위와 아래의 물 흐름 방향이 반대가되어 현재 전단 작용으로 인해 층화 경계면에서 큰 비틀림 힘이 발생합니다.

바다에 기초 말뚝과 같은 구조물이있는 경우 석유 시추 플랫폼의 고정 케이블은 큰 비틀림을 견딜 수 없어 파손될 가능성이 매우 높습니다 (Bole et al. 1994). 빽빽한 클라인 경계 근처에서 항해하는 잠수함이 해양 내부 파도 활동을 만나게되면 내부 파도에 의한 상승 전류로 인해 잠수함이 해저에 수면에 닿거나 충돌하여 잠수함이 손상 될 수 있습니다.

그러나 바다의 내부 파는 바람직하지 않으며 매우 중요한 역할을합니다. 예를 들어, 내부 파가 심해 지역에서 근해 대륙붕으로 전달되면 상하수 체가 교환됩니다. 해저에 영양분을 운반합니다. 선반 가장자리까지 생물학적 성장을 촉진하고 해당 지역의 생태 환경을 조절하며 (Osborne and Bruch et al., 1980; Sandstorm and Elliot et al., 1984) 어업 자원을 풍부하게합니다.

위에서 언급 한 항목 외에도 해저에 대한 케이블 및 파이프 라인, 수중 음파 탐지기, 해양 생물 환경, 군사 활동 등이 해양 내부 파도의 영향에 포함되므로 해양 내부 파도에 대한 연구가 매우 중요합니다.

최근 내부 파를 연구하는 방법에는 분석 이론 도출, 현장 조사 및 관찰, 실험실 실험 분석이 포함됩니다. 그러나 과학 기술의 급속한 발전, 발전과 발전, 컴퓨터의 대중화, 수치 계산 방법의 진화로 해양 공학과 관련된 많은 파동 효과는 일반적으로 수치 시뮬레이션 방법으로 해결됩니다.

또한 수치 연산 방법의 비용이 현장 조사 관측 및 실험실 실험 해석보다 저렴하고 시뮬레이션 결과를 더 빨리 얻을 수 있기 때문에 본 논문에서는 전산 유체 역학 (전산 유체 역학, 참조)의 FLOW-를 선정 하였다. 3D 소프트웨어는 내부 파 생성, 전송, 장애물 통과, 점차 소멸하는 움직임 과정을 시뮬레이션하고, 내부 파의 변화 과정을 분석하고 비교하기 위해 이전 실험실 모델 실험을 참조합니다.

圖1. 1  南海孤立內波空間分布圖(Hsu et al., 2000)
圖1. 1 南海孤立內波空間分布圖(Hsu et al., 2000)
圖1. 2  障礙高度與分層流體厚度關係之示意圖
圖1. 2 障礙高度與分層流體厚度關係之示意圖
圖3. 1 下沉型內孤立波通過梯形障礙的實驗配置圖(鄭明宏,2011)
圖3. 1 下沉型內孤立波通過梯形障礙的實驗配置圖(鄭明宏,2011)
圖3. 3  實驗室下沉型內孤立波經過13°斜坡梯形障礙物的連續組圖(鄭明宏,2011)
圖3. 3 實驗室下沉型內孤立波經過13°斜坡梯形障礙物的連續組圖(鄭明宏,2011)
圖3. 3 (a) 實驗室下沉型內孤立波(鄭明宏,2011;θ=13°,T = t0 = 42 s)
圖3. 3 (a) 實驗室下沉型內孤立波(鄭明宏,2011;θ=13°,T = t0 = 42 s)
圖3. 5 比較實驗室(上圖)內孤立波(圖3. 3 (a))與FLOW-3D模擬(下圖)的傳遞波形(θ=13°,t = 42 s)
圖3. 5 比較實驗室(上圖)內孤立波(圖3. 3 (a))與FLOW-3D模擬(下圖)的傳遞波形(θ=13°,t = 42 s)
圖4. 6閘門開啟速率0.14 m/s之等密度線及流場
圖4. 6閘門開啟速率0.14 m/s之等密度線及流場

圖4. 53 內波在三角形前坡反轉為順時針渦流,後坡面上形成逆時針渦流(t = 63 s)
圖4. 53 內波在三角形前坡反轉為順時針渦流,後坡面上形成逆時針渦流(t = 63 s)

Reference

Apel, J.R., Holbrook, J.R, Tsai, J. and Liu, A.K. (1985). The Sulu Sea internal soliton experiment. J. Phys. Oceanography, 15(12): 1625-1651. Ariyaratnam, J. (1998). Investigation of slope stability under internal wave action. B.Eng. (Hons.) thesis, Dept. of Environmental Eng., University of Western Australia, Australia. Baines, P.G. (1983). Tidal motion in submarine canyons – a laboratory experiment. J. Physical Oceanography, 13: 310-328. Benjamin, T.B. (1966). Internal waves of finite amplitude and permanent form. J. Fluid Mech., 25: 241-270. Bole, J.B., Ebbesmeyer, J.J. and Romea, R.D. (1994). Soliton currents in South China Sea: measurements and theoretical modelling. Proc. 26th Annual Offshore Tech. Conf., Houston, Texas. 367-375. Burnside, W. (1889). On the small wave-motions of a heterogeneous fluid under gravity. Proc. Lond., Math. Soc., (1) xx, 392-397. Chen C.Y., J.R-C. Hsu, H.H. Chen, C.F. Kuo and Cheng M.H (2007). Laboratory observations on internal solitary wave evolution on steep and inverse uniform slopes. Ocean Engineering, 34: 157-170. Cheng M.H., J.R-C. Hsu, C.Y. Chen (2005). Numerical model for internal solitary wave evolution on impermeable variable seabad, Proc.27th Ocean Eng, pp.355-359. Choi, W. and Camassa, R. (1996). Weakly nonlinear internal waves in a two-fluid system. J. Fluid Mech., 313: 83-103. Ebbesmeyer, C.C., and Romea, R.D. (1992). Final design parameters for solitons at selected locations in South China Sea. Final and supplementary reports prepared for Amoco Production Company, 209pp. plus appendices. Ekman, V. M., (1904). “On dead-water, Norwegian North Polar Expedition”, 1893-1896. Scientific Results, 5(15):1-150. Farmer, D.M. (1978). Observation of long nonlinear internal waves in a lake. J. Phys. Oceanography, 8(1): 63-73. Garret, C. and Munk, W. (1972). Space-time scales of internal waves. Geophys. Fluid Dyn., 3: 225-264. Gill, A.E. (1982). Atmosphere-Ocean Dynamics. International Geophysical Series, Vol. 30, San Diego, CA: Academic Press. Harleman, D.R.F. (1961). Stratified flow. Ch. 26 in Handbook of Fluid Dynamics (ed., V. Streeter), NY: McGraw-Hill, (26): 1-21. Helfrich, K.R. (1992). Internal solitary wave breaking and run-up on a uniform slope. J. Fluid Mech., 243: 133-154.

Helfrich, K.R. and Melville, W.K. (1986). On long nonlinear internal waves over slope-shelf topography. J. Fluid Mech., 167: 285-308. Honji, H., Matsunaga, N., Sugihara, Y. and Sakai, K. (1995). Experimental observation of interanl symmetric solitary waves in a two-layer fluid. Fluid Dynamics Research, 15 (2): 89-102. Hsu, M.K., Liu, A.K., and Liu, C. (2000). A study of internal waves in the China Sea and Yellow Sea using SAR. Continental Shelf Research, 20: 389-410. Johns, K. (1999). Interaction of an internal wave with a submerged sill in a two-layer fluid. B.Eng. (Hons.) thesis, Dept. of Environmental Eng., University of Western Australia, Australia Kao, T.W., Pan, F.S. and Renouard, D. (1985). Internal solitions on the pycnocline: generation, propagation, shoaling and breaking over a slope. J. Fluid Mech. 159: 19-53. Koop, C.G. and Butler, G. (1981). An investigation of internal solitary waves in a two-fluid system. J. Fluid Mech., 112: 225-251. Lin, T.W. (2001). A study on internal waves characteristics in north of South China Sea, Master Thesis, Institute of Oceanography, National Taiwan Univ., Taiwan. (In Chinese). Lynett, P., Wu, T.-R. and Liu, P. L.-F. (2002), Modeling wave runup with depth-integrated equations, Coastal Engineering, Vol. 46, pp. 89-107. Ming-Hung Cheng,John R.-C. Hsu, Chen-Yuan Chen and Cheng-Wu Chen (2009). Modelling the propagation of an internal solitary wave across double ridges and a shelf-slope.Environ Fluid Mech,9:321–340. Ming-Hung Cheng and John R.C. Hsu (2011). Effect of frontal slope on waveform evolution of a depression interfacial solitary wave across a trapezoidal obstacle. Ocean Engineering. Matsuno, Y. (1993). A unified theory of nonlinear wave propagation in two-layer fluid systems. J. Phys. Soc. Japan, 62: 1902-1916. Michallet, H. and Barthelemy, E. (1998). Experimental study of interfacial solitary waves. J. Fluid Mech., 366: 159-177. Muller, P. and X. Liu (2000). Scattering of internal waves at finite topography in two dimensions. Part I: Theory and case studies, J. Phys. Oceanogr., 30: 532-549 Nagashima, H. (1971). Reflection and breaking of internal waves on a sloping beach. J. Oceanographical Soc. Japan, 27(1): 1-6. Nansen, F. (1902). The oceanography of the north polar basin. Sci. Results, Norwegian North Polar Expedition 1893-1896, 3: 9. Osborne, A.R. and Burch, T.L. (1980). Internal solitons in the Andaman Sea. Science, 208 (43): 451-460

82 Russell, J.S. (1844). On waves. Report of the 14th Meeting of the British Association for the Advancement of Science, York, 311-390. Sandstrom, H. and Elliot J. A. (1984). Internal tide and solitons on the Scotian Shelf: a nutrient pump at work. Journal of Geophysical Research, 89 (C4): 6415-6428. Stokes G.G. (1847). On the Theory of Oscillatory Waves. Transactions of the Cambridge Philosophical Society, 8: 441–455. Strutt, J. W., Lord Rayleigh. (1883). Investigation of the character of the equilibrium of an incompressible heavy fluid of variable density.Proceedings of the London mathematical society, 8: pp. 170-177. Sveen, J.K., Guo, Y., Davies, P.A. and Grue, J. (2002). On the breaking of internal solitary waves at a ridge. J. Fluid Mech., 469 (25): 161-188. Vlasenko, V., and Hutter, K. (2002). Numerical experiments on the breaking of solitary internal waves over a slope-shelf topography. J. of Physical Oceanography, 32(6), pp.1779-1793. Wessels F. and Hutter K. (1996). Interaction of internal waves with a topographic sill in a two-layered fluid. J. Phys. Oceanogr , 26: 5-20

(a) Moving Reference Frame

Study on Swirl and Cross Flow of 3D-Printed Rotational Mixing Vane in 2×3 Subchannel

A thesis/dissertation
submitted to the Graduate School of UNIST
in partial fulfillment of the
requirements for the degree of
Master of Science
Haneol Park
07/09/2019
Approved by
_________________________
Advisor
In Cheol Bang

Abstract

가압 수로 (PWR)에서는 연료봉 번들 사이에 위치한 연료봉 번들을 지지하기 위해 스페이서 그리드가 설치됩니다. 혼합 베인은 스페이서 그리드 위에 설치되어 소용돌이 및 교차 흐름을 생성합니다. 소용돌이와 교차 흐름은 열 전달을 향상시키고 PWR의 임계 열유속을 촉진 할 수 있습니다.

PWR의 안전 마진은 열 전달 성능과 CHF로 추정 할 수 있습니다. 따라서 소용돌이 및 교차 흐름 생성은 안전 마진과 전력 증가율 향상을 가져올 수 있습니다.

3D 프린팅 기술을 통해 정교한 믹싱 베인 블레이드 부품을 생산할 수 있습니다. 믹싱 베인 부분은 3D 프린팅으로 제작되었습니다. 일반적인 재료는 석고이고 다른 하나는 금속, 스테인레스 스틸입니다.

믹싱 베인은 3D 프린팅으로도 만들어진 스페이서 그리드 위에 부착됩니다. 회전 혼합 베인은 연료봉 사이의 소용돌이 발생기이며 교차 흐름 및 열 전달 특성을 향상시킵니다. 원심력은 연료봉 표면에서 기포를 분리합니다. 다양한 유형의 회전 혼합 베인 (RV)이 연구됩니다.

팬 베인 (FV), 임펠러 베인 (IV), 풍력 터빈 베인 (WT)입니다. 각 RV는 서로 다른 혼합 성능과 압력 강하를 보여줍니다. FV는 평균 혼합 성능과 압력 강하 증가를 보여줍니다. IV는 혼합 성능이 가장 높고 WT는 압력 강하가 가장 적습니다. 실험적 접근 방식 인 입자 이미지 유속계 (PIV) 실험 기술은 유동장을 시각화하고 혼합 성능을 평가합니다.

흐름 패턴 시각화는 2×3 하위 채널, 2.5 배 확장 테스트 섹션 내에서 수행됩니다. 테스트는 흐름 패턴 추적을 보여주고 압력 강하를 측정합니다. 이 테스트는 서브 채널에 장착 된 3D 프린팅 믹싱 베인 부품의 내구성과 유지 보수성을 보장합니다. 수치 분석은 CFD (전산 유체 역학) 코드 FLOW-3D를 사용하여 광고를 사용하여 수행됩니다.

GMO (General Moving Object) 방법은 유동 구동 결합 회전 동작을 시뮬레이션하는 데 사용됩니다. 유체-구조 상호 작용 (FSI) 문제는 분석적으로 해결하기에는 너무 복잡하므로 회전 운동을 검증하는 계산 기술도 연구됩니다.

회전 혼합 베인의 혼합 성능은 냉각수의 소용돌이와 교차 흐름에 의해 평가됩니다. 교차 흐름 및 소용돌이는 혼합 매개 변수로서 혼합 성능을 검증합니다. 측면 속도, 와도 및 기포 추적 방법은 혼합 매개 변수로 냉각수의 혼합을 보여줍니다.

압력 강하도 측정되고 마찰 계수 평가는 원자로의 시스템 안전을 보장하기 위해 수행됩니다. 권장 사항을 위해 3D 프린팅 된 믹싱 베인의 추가 최적화는 계속 연구 될 것입니다. 실험 및 수치 분석을위한 열 전달 특성 및 열 성능 향상은 확장 된 하위 채널에서 검증됩니다. PWR에 회전식 혼합 베인을 채택하면 열 전달 성능, 안전 마진 및 전력 향상이 향상 될 수 있습니다.

INTRODUCTION

Figure. 1. 1 Mesh structure of rotational motion CFD simulation models

(a) Moving Reference Frame
(a) Moving Reference Frame
(b) Sliding Mesh Model
(b) Sliding Mesh Model
(c) Dynamic Mesh Model
(c) Dynamic Mesh Model
(d) General Moving Object
(d) General Moving Object

Table. 1. 1 Previous research of experiment of subchannel with mixing vane

Table. 1. 1 Previous research of experiment of subchannel with mixing vane
Table. 1. 1 Previous research of experiment of subchannel with mixing vane
(a) Bare Grid (BG) and Fixed Split Vane (SV) (b) Rotational Vane (RV)
(a) Bare Grid (BG) and Fixed Split Vane (SV) (b) Rotational Vane (RV)
(a) Fan Vane (FV) (b) Impeller Vane (IV) (c) Wind Turbine Vane (WT)
(a) Fan Vane (FV) (b) Impeller Vane (IV) (c) Wind Turbine Vane (WT)
Figure. 2.3 The Gypsum 3D printed rotational mixing vanes (a) Fixed Split Vane (FSV) (b) Rotational Fan Vane (RFV) (c) Rotational Impeller Vane (RIV) (d) Rotational Wind Turbine vane (RWT)
Figure. 2.3 The Gypsum 3D printed rotational mixing vanes (a) Fixed Split Vane (FSV) (b) Rotational Fan Vane (RFV) (c) Rotational Impeller Vane (RIV) (d) Rotational Wind Turbine vane (RWT)
Figure 2. 5 Mixing vane test section
Figure 2. 5 Mixing vane test section
Figure. 3. 1 Rotational speed evaluation (a) from GMO model of FLOW-3D (10 FPS) (b) from high speed camera experiment (16 FPS)
Figure. 3. 1 Rotational speed evaluation (a) from GMO model of FLOW-3D (10 FPS) (b) from high speed camera experiment (16 FPS)
Figure 3. 2 Lateral velocity flow field by PIV experiment (Q=145 lpm, v=0.7 m/s, Re=12,750)
Figure 3. 2 Lateral velocity flow field by PIV experiment (Q=145 lpm, v=0.7 m/s, Re=12,750)
Figure. 3. 5 (b) 2D-Flow field with lateral velocity vector (m/s), Fixed mixing vane
Figure. 3. 5 (b) 2D-Flow field with lateral velocity vector (m/s), Fixed mixing vane
Figure. 3. 11 Bubble generation test in CFD analysis, Q=145 lpm
Figure. 3. 11 Bubble generation test in CFD analysis, Q=145 lpm

3D 프린팅 된 믹싱 베인과 스페이서 그리드 부품은 석고와 금속으로 제조되었습니다. 회전 운동과 부착, 내구성은 PWR 채택의 첫 단계로 테스트되었습니다. 회전 혼합 베인 (RV)은 소용돌이 및 교차 흐름을 제공하며, 흐름 구동 회전 운동을 통해 CHF 향상 및 압력 강하 감소를 제공합니다.

팬 베인 (FV), 임펠러 베인 (IV) 및 풍력 터빈 베인 (WT)이 RV 유형의 후보로 설계되었습니다. 유동 구동 운동은 GMO (General Moving Object) 방법을 사용하여 FLOW-3D 코드로 실험 방법과 CFD 분석으로 검증되었습니다. 교차 흐름 및 소용돌이는 2×3 서브 채널이 장착 된 혼합 베인에서 표시되었습니다.

FLOW-3D 코드를 사용한 PIV 실험 및 CFD 분석은 흐름 패턴을 보여줍니다. 유동 구동 회전 혼합 베인의 혼합 효과는 혼합 베인에 의해 구동되는 소용돌이 및 교차 흐름으로 평가되었습니다. 흐름의 혼합을 평가하기 위해 소용돌이와 교차 흐름을 횡 속도와 와도로 연구했습니다.

Mixing Tank with FLOW-3D

CFD Stirs Up Mixing 일반

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

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

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

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

Giving Mixing Its Due

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

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

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

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

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

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

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

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

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

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


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

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

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

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

NASA/TM—2010-216749

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

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

Abstract

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

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

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

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

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

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

Introduction

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

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

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

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

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

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

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

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

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

상세 내용은 원문을 참조하시기 바랍니다.


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

Summary and Conclusions

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

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

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

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

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

Cad2Stl

FLOW-3D 유틸리티 프로그램 안내

이 문서에서는 FLOW-3D에서 사용할 수 있는 일부 Utility Program에 대해 설명합니다. 유틸리티 프로그램의 목적은 시뮬레이션을 수행할 때 반드시 필요한 것은 아니지만 특정 작업을 쉽게 수행할 수 있도록 돕는 것입니다. 각 개별 유틸리티의 사용법은 다음과 같습니다.

  1. 파일 변환 및 STL 품질 검사 도구

FLOW-3D는 중립 형식인 STL파일 형식만 지원하며 대부분의 CAD 패키지에서 STL형식을 지원하지만 형상을 STL형식으로 만들 수 없는 이유가 있을 수 있습니다. 이로 인해 FLOW-3D 사용자는 여러 파일 변환 유틸리티를 사용할 필요가 있을 수 있습니다. 또한 STL 파일 품질을 확인하는데 사용할 수 있는 여러 유틸리티도 사용할 수 있습니다. 아래 나열된 이러한 유틸리티는 다음 섹션에서 자세히 설명합니다.

  • Cad2Stl : 다양한 CAD 형식에서 변환 파일을 사용하는.STL파일
  • Topo2STL : 파일을topo형식에서.STL파일로 변환하는 데 사용
  • MiniMagics :.STL파일의 오류를 확인하는 데 사용
  • qAdmesh :.STL파일의 오류를 확인하고 사소한 문제를 해결하는데 사용

Cad2Stl

Cad2Stl 은 다른 CAD 파일 형식을 FLOW-3D에서 사용되는 STL 파일 형식으로 변환하기 위한 파일 변환 도구입니다. Cad2Stl 은 다음 파일 형식을 STL 형식으로 변환합니다.

  • Autodesk 3D Max :.3ds
  • Autodesk 별명 :.obj
  • IGES: .igs,.iges
  • BREP :.brep
  • 단계 : .stp,.step
  • 아바쿠스 6.2+ :.inp
  • NASTRAN :.blk
  • Marc Mentat : 고정 형식과 쉼표로 구분.dat

Cad2Stl 은 파일에서 역 법선 벡터를 보정하는 기능도 있습니다. 이 유틸리티는 유지 보수 계약이 유효한 모든 FLOW-3D 고객에게 무료로 제공되며 FLOW-3D Usre Site의 유틸리티 페이지에서 다운로드 할 수 있습니다.

Cad2Stl 은 Flow Science Japan에서 FLOW-3D 사용자를 위해 개발되었습니다 .

Cad2Stl Program
  1. 변환 목록에 변환할 파일 추가
    • 추가 -변환 목록에 파일을 추가합니다.
    • 제거 -변환 목록에서 파일을 제거합니다. 제거하려면 변환 목록에서 파일을 강조 표시하고 제거를 선택하십시오.
    • 기본적으로 파일 이름은 import file 이름과 일치하는 CAD파일을 STL파일 이름으로 지정하는데 변경이 필요하면 더블 클릭하고 이름을 바꾸면 변경할 수 있습니다.
  2. 구체화 옵션을 사용하여 STL 파일의 품질을 선택하십시오. 선택하고 볼 수 있는 네 가지 수준의 정확도가 있습니다. 파일이 변환될 때마다 STL로 작성된 파일이 표시되므로 사용자가 만족스럽거나 더 높은 수준의 세분화가 필요한지 여부를 결정할 수 있습니다. 정확성이 향상되면 파일 크기는 증가하지만 처리 시간은 크게 증가하지 않습니다. 다른 파일 형식을 한 번에 로드하고 변환할 수 있습니다. 또한 변환 프로세스가 완료되면 파일을 로드하고 표시하기 위한 대화 상자가 열립니다. 이것은 BREP, IGES및 STEP 파일 형식에만 적용됩니다.
  3. 원하는 작업을 선택하십시오. 다른 파일 형식을 한 번에 로드하고 변환할 수 있습니다. 또한 변환 프로세스가 완료되면 파일을 로드하고 표시하기 위한 대화 상자가 열립니다.
    • 변환 -파일을 변환합니다. 한 파일을 변환하려면 로드할 파일 목록에서 해당 파일을 강조 표시하여 변환하십시오.
    • 모두 변환 -모든 파일을 변환
    • 표시 -변환된 파일을 강조 표시합니다
    • 면 방향 수정 -일반 수정 루틴
    • 변환 목록 숨기기 -더 나은 부품 표시를 위해 보기 화면을 증가 시킵니다.
    • 와이어 프레임 오버레이 -각 STL 패싯의 패싯 모서리를 오버레이 합니다. 이것은 오른쪽 하단의 확인란입니다.
    • 로그 지우기 – 변환 로그 텍스트 상자에 대한 모든 데이터 출력을 지웁니다.
  4. 종료 -프로그램을 닫습니다

qAdmesh

qAdmesh는 .STL파일에 오류 가 있는지 확인하는 도구이며 연결이 끊어진 패싯, 반전된 법선, 연결이 끊어진 패싯 및 누락된 패싯과 같은 사소한 문제를 해결하는 데 사용할 수 있습니다. qAdmesh를 시작하려면:

  • GUI에서: Model Setup 탭의 Tools ‣ qAdmesh로 이동하십시오.
  • Windows: 바탕 화면 아이콘을 클릭하거나 시작 메뉴에서 FLOW-3D v12.0 폴더의 형상 도구 하위 디렉토리에 있는 Admesh 항목으로 이동하십시오.
  • Linux의 경우: $F3D_HOME/utilities/qAdmesh을 실행하십시오.

명령: qAdmesh를 열고 찾아보기 버튼을 사용하여 지오메트리 파일을 로드 하십시오. 문제를 해결하고 수정 사항으로 새 형상 파일을 생성하려면 기본 옵션을 그대로 두고 출력 유형을 선택하고 새 형상 파일의 경로를 지정하십시오. 이진 STL 은 ASCII STL 옵션 보다 작은 파일을 생성하므로 권장됩니다 (이진 및 ASCII 형식 만 FLOW-3D 로 인식됨). 그런 다음 적용을 클릭하여 파일을 확인하고 수정하십시오.

qAdmesh program
qAdmesh program

qAdmesh의 출력은 인터페이스의 메시지 섹션에 표시됩니다. 출력에는 감지된 오류와 출력 옵션이 선택된 경우 이러한 문제점을 해결하기 위해 수행할 조치가 표시됩니다.

사용자 정의 검사 옵션은 파일을 고정할 때 프로그램이 어떤 작업을 수행하는지에 대한 자세한 제어를 제공할 수 있습니다. 또한 변형 및 공차 탭에는 .STL 파일의 회전, 미러링, 크기 조정, 변환 및 병합 기능을 제공하는 옵션이 있습니다.

qAdmesh는 무료 유틸리티입니다만 FSI에서 지원하지 않습니다. qAdmesh가 문제를 해결하는 능력은 심각도에 따라 다릅니다. 문제의 수가 증가함에 따라 qAdmesh 가 문제를 해결할 수 있는 가능성이 줄어 듭니다. 문제를 해결할 수 없는 경우 CAD 패키지를 사용하여  .STL 파일을 재생성 하는 것이 좋습니다.

MiniMagics 

MiniMagics 는 무료 STL파일 시각화 및 복구 유틸리티입니다. 설치는 FLOW-3D 홈 디렉토리 의 Utilites 폴더에서 찾을 수 있으며 파일 분석 및 복구를 위한 유용한 도구로 qAdmesh에서 수행된 수정 사항을 시각화하거나 qAdmesh의 대안으로 사용할 수 있습니다.

$F3D_HOME/UtilitiesSTL

  • Topo2STL

FLOW-3D가 지원하는 유일한 CAD 파일 형식은 .STL이지만 형식을 포함하여 다른 형식의 지형 데이터를 갖는 것은 드문 일이 아닙니다. Topo2STL의 유틸리티로 변환할 수 있습니다. Topo2STL 은 Windows 시스템에서만 사용 가능하며 유틸리티 드롭 다운 메뉴에서 액세스 할 수 있습니다.

명령

  1. 지형 파일은 다음 형식의 ASCII 파일입니다. 각 선은 점을 나타내며 동일한 단위 시스템에서 3 개의 좌표 (일반적으로 피트 또는 미터)를 포함합니다. 좌표는 공백으로 구분됩니다. 선의 좌표 순서는 XYZ 여야 합니다. 여기서 Z는 표고입니다. 두 좌표는 동일한 XY 점을 공유할 수 없습니다. 포인트의 순서 (파일의 줄)는 중요하지 않습니다. 좌표를 포함하지 않는 머리글 줄이나 꼬리 줄이 없어야 합니다.
  2. Topo2stl.exe유틸리티가 추출된 위치에 있는 파일을 실행하여 Topo2STL에 액세스 할 수 있습니다.
  3. 유틸리티를 시작하면 변환할 파일을 선택하라는 topo 파일 찾아보기 창이 나타납니다. 파일 찾아보기 창을 이용하여 파일을 선택합니다.
  4. topo파일이 선택되면, Topo2STL의 창이 나타나고, X, Y의 범위와 Z 계산할 topo데이터 익스텐트가 계산되면 Topo 데이터 익스텐트 및 데이터의 총 포인트 수에 대한 정보가 Information: Topo data extents 아래에 표시됩니다.
Topo2STL
Topo2STL
Topo2STL
Topo2STL
  1. 변환에 필요한 사용자 입력은 공간 분해능 및 STL 최소 Z 좌표입니다. 기본적으로 공간 해상도는 0.002 * min (X 범위, Y 범위)이고 STL 최소 Z 좌표는 ZMIN-(ZMAX-ZMIN)입니다. 여기서 ZMIN 및 ZMAX는 Topo 데이터의 범위입니다.
    • 공간 해상도는 STL 파일을 생성하는 동안 Topo 데이터가 얼마나 정밀하게 분석되는지 제어합니다.
    • STL 최소 Z 좌표는 Topo 데이터의 ZMAX보다 작은 값이어야 합니다. 이것은 STL파일의 최소 ​​Z 두께를 효과적으로 설정합니다.
  2. Browse 버튼은 파일 출력 위치를 설정하는 데 사용할 수 있습니다.
  3. 변환을 클릭하면 변환 프로세스가 시작됩니다. 이 시점에서 변환 취소를 사용하여 변환이 완료되거나 종료될 때까지 Topo2STL 창을 닫을 수 없습니다.
Topo2STL
Topo2STL
  1. 변환이 완료 (또는 종료)되면 변환 단추가 변환 추가로 변경되어 사용자가 변환할 다른 Topo 파일을 선택할 수 있습니다.
Topo2STL
  1. FSAI를 사용한 유한 요소 메쉬 파일 형식 변환

FSAI의 도구에서 유한 요소 메시를 변환하는 유틸리티입니다 Abaqus6.2 이후 형식과 NASTRAN 벌크 형식에 사용되는 형식을 변환하는 FSAI는 유틸리티 드롭 다운 메뉴에서 액세스 할 수 있습니다. FSAI를 사용하려면 다음을 수행하십시오. EXODUS II

  • 적절한 모드에서 유틸리티를 엽니다 (초기 메쉬의 Abaqus 형식인지 NASTRAN 형식인지 여부에 따라 다름 )
  • 파일에서 생성 필드에서 입력 유한 요소 메쉬를 찾습니다.
  • 생성된 파일 위치 필드에서 원하는 출력 위치를 찾으십시오.
  • 생성된 파일 이름 필드에서 원하는 출력 파일 이름을 설정하십시오.
  • 생성을 누릅니다.

 노트

이 FSAI 프로그램을 사용하려면 FLOW-3D 와 별개의 라이센스가 필요합니다. 자세한 내용은 FLOW-3D 영업 담당자에게 문의하십시오.

  1. 계산기

유틸리티 드롭 다운 메뉴에 여러 계산기가 추가되어 알려진 매개 변수 (예: 유체 속성 등)를 기반으로 입력 수량을 추정할 수 있습니다. 사용 가능한 계산기는 다음을 계산합니다.

  • 냉각 채널의 열전달 계수
  • 재료 특성 및 시뮬레이션 시간에 따른 열 침투 깊이
  • 샷 슬리브의 유체 높이
  • 고압 다이캐스팅을 위한 피스톤 속도
  • 밸브 압력 계수
  1. MPDB (Material Properties Database) 확장

MPDB (Material Properties Database)는 FLOW-3D 와 별도로 Flow Science, Inc 에서 구입할 수 있는 타사 데이터베이스입니다. 여기에는 문헌의 다양한 온도 의존성 고체 재료 특성이 포함되어 있습니다. FLOW-3D 용 MPDB는 사용자가 FLOW-3D의 기본 데이터베이스와 호환되는 파일 형식을 내보낼 수 있도록 하여 데이터를 FLOW-3D 로 편리하게 가져올 수 있는 MPDB 독점 버전입니다. MPDB의 재료 특성은 대부분 고체상입니다. 따라서 FLOW-3D 모든 모델 고체 특성을 요구하는 데이터, 특히 유체 구조 상호 작용, 응고 및 열 응력 진화 모델을 활용할 수 있습니다.

MPDB는 다양한 형식으로 데이터를 내보낼 수 있는 독립형 데이터베이스로 사용될 수 있습니다. MPDB에 대한 일반적인 지침은 JAHM Software, Inc.를 방문하십시오. 여기에서는 FLOW-3D 와 함께 MPDB를 사용하는 방법에 대한 지침을 제공합니다. FLOW-3D 와 제대로 통합하려면 MPDB 용 실행 파일이 Windows와 Linux에 있어야 합니다. 실행 파일은 FLOW-3D GUI에 의해 감지되며 재료 메뉴 아래 MPDB에서 재료 가져오기 메뉴 항목 이 활성화됩니다. 이러한 조건 중 하나라도 충족되지 않으면 FLOW-3D GUI를 통해 액세스 할 수 없습니다. MPDB%F3D_HOME%\Utilities$F3D_HOME/UtilitiesMPDB_for_FLOW-3D

FLOW-3D MPDB
FLOW-3D MPDB

material를 클릭 MPDB에서 가져오기 및 사용자 인터페이스 MPDB는 별도의 창에서 열립니다. 재료는 주요 요소로 분류되었습니다. Materials 탭, 테이블에서 요소를 마우스 오른쪽 버튼으로 클릭하여, 사용자는 해당 요소를 포함하는 물질의 목록을 볼 수 있습니다.

(Material Properties Database)
(Material Properties Database)

예를 들어 다음 그림은 철 (Fe)이 포함된 데이터베이스의 재료 목록을 보여줍니다.

FLOW-3D MPDB(Fe)
FLOW-3D MPDB(Fe)

사용자는 다른 합금, 세라믹, 유리 또는 기타 분류되지 않은 재료를 분류하는 다른 탭으로 전환할 수도 있습니다. 다음 그림은 Al & Cu 합금 목록을 보여줍니다.

FLOW-3D MPDB(Al & Cu)
FLOW-3D MPDB(Al & Cu)
FLOW-3D MPDB(Fe,Ni - 1006 (UNS G10060))
FLOW-3D MPDB(Fe,Ni – 1006 (UNS G10060))

재료가 식별되면 재료를 두 번 클릭하면 해당 재료에 사용할 수 있는 속성 목록이 있는 별도의 창이 나타납니다. 예를 들어 Fe 및 Ni 합금에서 1006 (UNS G10060)을 엽니다. 이러한 속성이 모두 FLOW-3D에 사용되는 것은 아닙니다.

FLOW-3D MPDB(1006(UNS G10060))
FLOW-3D MPDB(1006(UNS G10060))

각 속성은 이 창의 오른쪽에서 선택할 수 있는 다른 형식으로 파일에 표시, 플로팅 또는 저장할 수 있습니다. 그러나 이러한 속성 중 일부가 FLOW-3D 로 인식되는 것은 아닙니다. 

FLOW-3D 와 호환되는 파일 형식을 생성하려면 재료 창을 닫고 FLOW-3D/SolidWorks/ANSYS 메뉴에서 시작하십시오. 재료의 특성으로 FLOW-3D로 가져올 수 있는 세 가지 파일 형식이 있습니다.  유체 데이터베이스 형식(.f3d_dbf 확장), 고체 데이터베이스 형식 (.f3d_dbs 확장), 일반 쉼표로 구분된 값(CSV형식)으로 부터 시뮬레이션에 적합한 FLOW-3D 호환 형식을 선택하십시오. MPDB의 재료는 대부분 고체이지만 사용자가 응고된 유체의 특성을 가져오려면 FLOW-3D에서 응고된 유체 특성이 유체 특성의 일부이므로 Fluids 데이터베이스 형식을 선택해야 합니다. 솔리드 및 유체 데이터베이스 파일 형식과 파일은 현재 사용자의 문서 폴더와 Windows 및 Linux에 저장됩니다.

CSV<My Documents>\FLOW-3D\gui\MaterialsDatabase/home/<user>/FLOW-3D/gui/MaterialsDatabase

이러한 위치는 FLOW-3D의 데이터베이스가 사용자 정의 재료를 찾는 곳입니다. MPDB에서 이러한 위치로 내보낸 모든 자료는 FLOW-3D의 기본 데이터베이스에 의해 선택됩니다.

1006 (UNS G10060) 철 합금을 선택하십시오.

FLOW-3D MPDB(UNS G10060)
FLOW-3D MPDB(UNS G10060)

이전에 사용 가능했던 일부 특성은 FLOW-3D 와 관련이 없기 때문에 사용 불가능 합니다. 각 속성이 처리되자 마자 플롯 되거나 해당 데이터가 표시되면 참조 및 메모 섹션이 활성화됩니다. 참조 탭 속성에서 찍은 위치를 나타내는 참고 섹션은 일반적으로 데이터의 구성과 정확성에 관한 사항이 포함되어 있습니다. 

온도에 따른 특성의 동작을 이해하는 데 도움이 되도록 각 특성을 플롯 할 수 있습니다. 또한 데이터의 유효성에 대한 경고가 있을 수 있습니다. 

예를 들어 열전도도를 먼저 플로팅하면 저온 경고가 표시됩니다. 온도의 함수로 플롯을 표시하기 전에 .f3d_dbs파일을 쓰려면 데이터베이스에 추가 버튼을 클릭하고 다음 창에서 파일에 쓸 속성을 ​​선택하십시오. 사용 가능한 단계에 대한 속성을 선택할 수 있습니다. 속성이 선택되면 데이터 쓰기 및 닫기를 클릭하십시오. 

재료 창을 닫습니다. FLOW-3D/SolidWorks/ANSYS 메뉴에서 데이터베이스를 닫습니다.

FLOW-3D MPDB(Low temperature warning)
FLOW-3D MPDB(Low temperature warning)
FLOW-3D MPDB(Temperature Plot)
FLOW-3D MPDB(Temperature Plot)

.f3d_dbs파일을 쓰려면 데이터베이스에 추가 버튼을 클릭하고 다음 창에서 파일에 쓸 속성을 ​​선택하십시오. 사용 가능한 단계에 대한 속성을 선택할 수 있습니다. 속성이 선택되면 데이터 쓰기 및 닫기를 클릭하십시오. 재료 창을 닫습니다. FLOW-3D/SolidWorks/ANSYS 메뉴에서 데이터베이스를 닫습니다.

경우에 따라 재료에 사용자에게 필요한 속성이 없습니다. 데이터베이스에 사용 가능한 속성을 추가한 후 이러한 상황에서 누락된 속성은 유사한 속성을 가진 합금 (사용자의 위험 부담)에서 얻을 수 있습니다. 데이터베이스가 열려있는 동안 FLOW-3D에서 사용될 하나의 재료에 대해 속성을 혼합하고 일치시킬 수 있습니다.

FLOW-3D MPDB(Select properties to write to file)
FLOW-3D MPDB(Select properties to write to file)

데이터베이스를 닫은 후 파일 이름을 묻는 메시지가 사용자에게 표시됩니다. 기본값은 MPDB 가 재료에 지정하는 것입니다. FLOW-3D 가 재료를 사용자 정의 재료로 인식하도록 파일의 위치와 확장자가 미리 설정되어 있습니다.

FLOW-3D MPDB(File locate position)
FLOW-3D MPDB(File locate position)

CSV파일을 선택한 경우에도 동일한 프로세스가 적용됩니다. 데이터가 파일에 기록되면 각 테이블 형식 속성 창의 값 가져오기 버튼에서 데이터를 검색할 수 있습니다.

첫 번째 열은 항상 온도입니다.

FLOW-3D MPDB(csv file)
FLOW-3D MPDB(csv file)
  1. grfedit를 사용하여 flsgrf 파일 편집

명령 줄 유틸리티이므로 runscript와 같은 적절한 환경에서 실행해야 합니다 ( Runscripts 사용 참조 ).


Runscripts 사용

실행 스크립트는 작업 문제 디렉토리에서 실행되도록 설계되었습니다. 스크립트는 $F3D_HOME/local디렉토리에 있습니다. 스크립트를 사용하려면 다음 환경 변수를 설정해야합니다.

  • F3D_HOMEFLOW-3D 설치 디렉터리 의 경로를 지정합니다 .
  • F3DTKNUX_LICENSE_FILEFLOW-3D 라이선스 서버 의 위치를 ​​지정 합니다.
  • PATHPATH포함하도록 환경 변수를 수정해야합니다. $F3D_HOME/local그렇지 않으면 실행 스크립트를 찾을 수 없습니다.
  • F3D_VERSION: 사용할 솔버 버전을 지정합니다. 유효한 옵션은 double배정 밀도 버전 및 prehyd사용자 지정 배정 밀도 솔버입니다.

명령 줄에서 실행하려면 :

  1. 명령 프롬프트 또는 터미널을 엽니 다.
  2. 필요한 환경 변수를 설정하십시오.
    • Windows : FLOW-3D 를 시작하는 데 사용되는 배치 파일에서 환경을 복사하여 수행 할 수 있습니다 . 배치 파일의 내용은 FLOW-3D 아이콘 을 마우스 오른쪽 버튼으로 클릭 하고 편집을 선택 하여 액세스 할 수 있습니다 .
    • Linux : 설치 디렉토리 에서 파일을 flow3dvars.sh가져옵니다 local.
  3. 솔버가 실행중인 디렉토리로 변경하십시오.
  4. 원하는 runscript 명령을 입력하십시오. runhyd <ext2>

  • grfedit를 연 후 사용자에게 소스 파일 (flsgrf.*데이터가 복사될 파일)의 경로를 묻는 메시지가 표시됩니다. 파일의 전체 경로 (예 c:\users\username\FLOW-3D\simulation\flsgrf.simulation:)를 입력하고 <enter>를 누르십시오.
  • 이제, 파일 입력 확장의 목표 예를 들어, (데이터를 기록할 위치로 파일) 파일을 new_output. 데이터가 파일에 기록됩니다 c:\users\username\FLOW-3D\simulation\flsgrf.new_output. 대상 파일이 존재하면 파일을 덮어쓰거나 대상 파일에 데이터를 추가하라는 메시지가 표시됩니다. 대상 파일의 시간보다 늦게 시뮬레이션 시간을 가진 소스 파일 편집 만 추가됩니다.
  • 이 시점에서 프로그램은 어떤 히스토리 데이터 편집, 데이터 편집 재시작 및 대상 파일에 쓰기 위해 선택된 데이터 편집을 묻습니다. 프롬프트에 따라 작성할 데이터 편집을 선택하십시오.
  • 대상 파일을 작성한 후 프로그램이 닫히고 다른 flsgrf.*파일처럼 사용할 수 있습니다.

 노트

  • grfedit는 FLOW-3D v11.1 이상에서 작성된 결과 파일에서만 작동합니다.
  • 소스 flsgrf.*파일은 grfedit에 의해 수정되지 않습니다
  • FLOW-3D/MP의 출력 파일로 작업할 때는 flsgrf1의 위로 flsgrf 교체 하십시오 .
  • 소스 및 대상 파일 모두에 허용되는 유일한 이름은 flsgrf및 flsgrf1입니다.

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

FLOW-3D 용어 사전 테이블

FLOW-3D Glossary | FLOW-3D 용어 사전

FLOW-3D 용어 사전 / 용어 설명

FLOW-3D 용어 사전 테이블
FLOW-3D 용어 사전 테이블

FLOW-3D 용어 사전 / 용어 설명

Drift Flux

드리프트 모델은 밀도가 서로 다른 두 혼합 유체 구성 요소의 상대적 흐름을 설명합니다. 구성 요소는 상이 다를 수도 있고, 상이 같지만(불가침) 유체가 다를 수도 있습니다. 분산된 위상 입자 크기가 클 경우 드리프트 모델의 적용성에 대한 제한이 존재할 수 있습니다. 이러한 제한은 일반적으로 메쉬 셀 크기의 10% 미만으로 분산된 위상 입자 크기를 유지함으로써 방지할 수 있습니다.

배플

얇은 형상 조각을 나타내는데 사용되는 2 차원 개체입니다. 이들은 전처리기에 의해 셀면으로 이동되고 유체의 흐름을 부분적으로 또는 완전히 차단하는 역할을 합니다. 배플은 지정된 열 전달 계수를 가질 수 있으며 배플을 통과하는 양(플럭스 표면)을 측정하는 데 사용할 수 있습니다.

Two-dimensional objects that are used to represent thin pieces of geometry. They are moved by the preprocessor to cell faces and act to partially, or completely block the flow of fluid. Baffles can have heat transfer coefficients specified and can be used to measure quantities that pass through them (a flux surface).

경계 조건

도메인의 범위에서 솔루션을 정의합니다. 경계 위치에서 흐름의 실제 상태를 나타내는 경계 조건을 선택하는 것이 중요합니다.

Defines the solution at the extents of the domain. It is important to choose boundary conditions that represent the true condition of the flow at the boundary location.

CFD

CFD (Computational Fluid Dynamics)는 수치 솔루션을 통해 컴퓨터의 유체 흐름을 시뮬레이션 하는 유체 역학의 한 분야입니다.

Computational Fluid Dynamics (CFD), the branch of fluid mechanics dedicated to simulating the flow of fluid on a computer via numerical solutions.

Complements

Complements를 정의합니다. 예를 들어, 솔리드 구의 complements는 솔리드 재료로 둘러싸인 구형 구멍입니다.

The inverse of a shape defines the complement. For example, the complement of a solid sphere is a spherical hole surrounded by solid material.

Client

클라이언트 컴퓨터는 자신이 FLOW-3D를 실행하고 있지만, FLOW-3D 소프트웨어 라이선스는 다른 컴퓨터 (서버 컴퓨터)에서 획득하는 컴퓨터를 의미합니다.

A client machine is a computer that runs FLOW-3D  but acquires the software license from a different machine (the server machine)

Components

Components는 공간의 개체를 정의하며 하위 구성 요소로 구성됩니다. 구성 요소는 열 전도율, 비열 및 표면 거칠기와 같은 재료 특성을 가질 수 있습니다.

Components define objects in space and are comprised of subcomponents. A component can have material properties such as thermal conductivity, specific heat and surface roughness.

Custom result

시뮬레이션 중 또는 완료 후 사용자가 생성한 데이터를 그래픽으로 표시합니다. 생성하려면 사용자가 flsgrf결과 파일을 연 다음 플로팅 매개 변수(예 : 플로팅 할 도메인 부분, 플로팅 할 수량 등)를 선택해야 합니다.

Graphical displays of data generated by the user during the simulation or after it has completed. To generate, the user must open an flsgrf results file and then select the plotting parameter (e.g., portion of domain to plot, quantity to plot, etc.).

Domain

지배 방정식을 풀 영역입니다. 이것은 메쉬의 범위에 의해 정의됩니다.

The region in which the governing equations are to be solved. This is defined by the extents of the mesh.

Diagnostics

전 처리기 및 솔버의 진행 상황과 오류 및 경고에 대한 정보가 포함된 파일 세트입니다.

A suite of files that contain information on the progress of the preprocessor and solver as well as errors and warnings.

EPSI

압력/연속 반복이 어느 지점에서 수렴되는지를 결정하는데 사용된 수렴 기준입니다. 기본 숫자 설정을 사용하면 이 값은 FLOW-3D에 의해 자동으로 계산되며 시간 단계가 증가함에 따라 작아집니다.

The convergence criterion that was used to determine at what point the pressure/continuity iterations have converged. With the default numerical settings, this value is automatically computed by FLOW-3D  and becomes smaller as the time step increases.

Existing result

prpplt.* 또는 flsplt.* 파일은 전처리 종료 솔버 실행 종료시 또는 자동으로 생성되는 플롯 파일입니다.

A plot file that is automatically created, either at the end of preprocessing or the end of the solver run- prpplt.* or flsplt.*.

F3D_HOME

FLOW-3D 프로그램 파일이 있는 디렉토리를 정의하는 환경 변수.

Environment variable that defines the directory where the FLOW-3D  program files are located.

Floating license

FLOW-3D는 서버 시스템에 라이센스를 액세스하는 각 클라이언트 컴퓨터와 컴퓨터 네트워크에서 실행합니다. 허용하는 라이센스 최대 동시 시뮬레이션 수는 구매한 솔버 토큰 수에 의해 제한됩니다.

A license that allows FLOW-3D  to be run on a network of computers with each client machine accessing the license on a server machine. The maximum number of concurrent simulations is limited by the number of solver tokens purchased.

Flsgrf file

솔버가 생성한 결과 파일. 이 파일은 사전에 정의된 시간 간격으로 생성된 정보를 포함하며 그래픽 디스플레이를 생성하는 데 사용됩니다. 사용자 정의 플로팅 중에 포스트 프로세서에서 사용합니다.

Results file produced by the solver. This file contains information produced at predefined time intervals and is used to produce graphical displays. Used by the postprocessor during custom plotting.

Flsplt file

솔버가 자동으로 생성한 플롯 파일입니다. 이 파일에는 시뮬레이션의 히스토리 데이터, 메시 등에 대한 기본 정보와의 $GRAFIC 이름 목록에 사전 정의된 그래픽 요청이 포함되어 prepin.* 파일 안에 있습니다.

Plot file produced automatically by the solver. This file contains basic information on history data, mesh, etc. from the simulation as well as any pre-defined graphics requests in the $GRAFIC namelist in prepin.*.

Fluid #1 surface area

선택한 길이 단위의 자유 표면 영역을 제곱 됩니다. 인터페이스가 예리한 문제에만 해당됩니다.

The free-surface area in the chosen length units squared. This is only relevant for problems with a sharp interface.

Fluid thermal energy

영역에 존재하는 모든 유체에 포함된 총 열 에너지 (에너지 전송이 켜져 있는 시뮬레이션에만 해당).

The total thermal energy contained by all the fluid present in the domain (relevant only for simulations with energy transport turned on).

Free surface

유체와 유체 사이의 인터페이스. FLOW-3D에서 이 인터페이스는 전단이 없는 것으로 가정되며, 이는 빈 공간에 있는 가스가 유체에 무시할 수 있는 트랙션을 발휘함을 의미한다.

The interface between fluid and void. In FLOW-3D , this interface is assumed to be shear-free, meaning that any gas in the void space exerted negligible traction on the fluid.

GUI

” Graphical User Interface”.  GUI는 사용자가 FLOW-3D를 제어할 수 있는 그래픽 패널, 대화 상자 및 창을 제공합니다.

“Graphical User Interface”. The GUI presents the graphical panels, dialog boxes and windows that allow the user to control FLOW-3D .

Iteration count

각 시간 단계에서 필요한 압력/연속 반복 횟수입니다. 압력/연속성 반복은 유체 볼륨이 유지되도록 하고 유체 전체에서 올바른 압력을 계산하는 데 필요합니다.

The number of pressure/continuity iterations required at each time step. The pressure/continuity iterations are necessary to ensure that the fluid volume is maintained and to compute the correct pressure throughout the fluid.

License file

사용자가 FLOW-3D 를 실행할 수 있도록 암호화된 정보가 포함된 Flow Science에서 제공하는 전자 파일 입니다.

Electronic file provided by Flow Science that contains encrypted information enabling the user to run FLOW-3D .

License server

플로팅 라이센스 시스템의 작동을 활성화하기 위해 FLEXlm 라이센스 소프트웨어가 설치된 시스템. FLOW-3D는 License Server에 설치할 필요가 없습니다.

Computer on which the FLEXlm licensing software is installed to enable the operation of a floating license system. FLOW-3D  does not need to be installed on the license server.

Licensing

FLOW-3D 실행을 제어하는 ​​FLEXlm 소프트웨어.

FLEXlm software that controls the running of FLOW-3D .

Max. residual

압력/연속성 반복의 최종 반복에서 연속성 방정식의 실제 발산. 이 값은 메시지가 나타나지 않는 한 일반적으로 epsi보다 작습니다 .

The actual divergence of the continuity equation on the final iteration of the pressure/continuity iterations. This value is usually smaller than epsi unless the message, pressure iteration did not converge in xxxx iterations appears.

Mean kinetic energy

모든 계산 셀의 운동 에너지의 합을 도메인에 존재하는 총 유체 질량으로 나눈 값입니다. 이 양이 시간이 지남에 따라 변하지 않으면 정상 상태에 도달했음을 나타내는 좋은 지표입니다.

The sum of kinetic energy of all the computational cells, divided by the total mass of fluid present in the domain. When this quantity ceases to change over time, it is a good indicator that steady-state has been reached.

Node-locked license

특정 컴퓨터에 고정된 라이센스. 노드 잠금 라이센스는 네트워크를 통해 액세스 할 수 없으므로 일반적으로 모든 작업을 한 컴퓨터에서 수행해야하는 경우에만 사용됩니다.

A license that is locked to a particular computer. A node-locked license cannot be accessed across a network, and so is typically only used when all work is to be done on one computer.

Non-inertial reference frame

가속화되는 참조 프레임. 비 관성 참조 프레임은 움직이는 컨테이너를 모방하는 데 사용할 수 있습니다.

A frame of reference that is accelerating. A non-inertial reference frame can be used to mimic a moving container.

Pltfsi

1D 및 2D 플롯을 생성하는 FLOW-3D에 포함된 그래픽 디스플레이 프로그램.

Graphics display program included with FLOW-3D  that produces 1D and 2D plots.

Postprocessor

FLOW-3D 내의 Postprocessor 프로그램은 FLOW-3D 또는 타사 시각화 프로그램에서 읽을 수 있는 데이터 파일을 생성하거나 타사 소프트웨어 프로그램에서 읽을 텍스트 데이터를 생성하는 솔버 출력 데이터를 처리하는 프로그램입니다.

The program within FLOW-3D  that processes the solver output data to produce data files that can be read by FLOW-3D ’s or third-party’s visualization programs, or produce text data to be read by third party software programs.

Prepin file

FLOW-3D 시뮬레이션을 실행하는데 필요한 모든 정보가 포함된 텍스트 파일 입니다. GUI를 사용하거나 텍스트 편집기를 사용하여 수동으로 작성할 수 있습니다.

Text file that contains all of the information necessary to create a FLOW-3D  simulation. It can be created using the GUI or manually with a text editor.

Preprocessor

솔버의 실행을 준비하기 위해 입력 파일을 기반으로 메쉬 및 초기 조건을 생성하는 FLOW-3D 내의 프로그램 입니다.

The program within FLOW-3D  that generates the mesh and initial conditions based on the input file in preparation for the running of the solver.

Prpgrf file

전처리기에 의해 생성된 결과 파일로 전 처리기의 정보를 포함하며 후 처리기에서 사용자 플롯을 생성하는 데 사용할 수 있습니다. 이 파일은 미리보기 버튼을 선택하거나 시뮬레이션에서 사전 프로세서(runpre 사용)를 실행하는 경우에만 실행됩니다.

Results file produced by the preprocessor. Contains information from the preprocessor and can be used by the postprocessor to create custom plots. This file is produced only when the Preview button is selected or if only the pre-processor is run on the simulation (using runpre).

Prpplt file

전처리기에 의해 자동으로 생성된 파일을 플롯 합니다. 메시, 구성 요소, 초기 조건 및 재료 특성에 대한 정보가 포함되어 있습니다.

Plot file produced automatically by the preprocessor. Contains information on meshing, components, initial conditions and material properties.

Restart simulation

이전 시뮬레이션에서 계속되는 시뮬레이션입니다. 이전 시뮬레이션의 결과는 다시 시작 시뮬레이션을 위한 초기 조건 및 (선택적으로) 경계 조건을 생성하는 데 사용됩니다.

A simulation which continues from a previous simulation. The results from the previous simulation are used to generate the initial conditions and (optionally) boundary conditions for the restart simulation.

Server

라이센스 서버를 호스팅하는 시스템

The machine that hosts the license server.

Stability limit

각 시간 단계에서 사용할 수 있는 최대 시간 단계. 더 큰 시간 단계는 수치적 불안정성과 비물리적 결과로 이어질 것이다.

The maximum time step that can be used during each time step. A larger time step will lead to numerical instabilities and nonphysical results.

STL (Stereolithography) File

.STL 파일 형식은 일련의 삼각형이 있는 솔리드 모델의 표면에 근접한 표준 데이터 전송 형식이다. 삼각형은 가장자리에서 결합해야 하며 일관된 방향을 가리키는 정규식이 있어야 한다.

The .STL file format is a standard data transmission format that approximates the surfaces of a solid model with a series of triangles. The triangles must join at the edges and must have normals that point in a consistent direction.

Solid fraction

응고된 영역의 유체 분율 (응고 모델이 켜져 있는 시뮬레이션에만 해당).

The fraction of fluid in the domain that has become solidified (relevant only for simulations where the solidification model has been turned on).

Solver

입력 파일에 정의된 흐름 문제를 시뮬레이션하는 방정식을 계산하는 FLOW-3D 내의 솔버 프로그램 입니다.

The program within FLOW-3D  that solves the system of equations that simulate the flow problem defined in the input file.

STL Viewer

스테레오리소그래피(STL) 파일을 표시하는 특수 유틸리티입니다. STL 파일은 CAD 소프트웨어로 제작되며 3 차원 객체의 표면을 형성하는 많은 삼각형으로 구성됩니다. 의 STL 뷰어 FLOW-3D는 메인 메뉴에서 유틸리티/STL 뷰어를 클릭하여 GUI를 통해 액세스 할 수 있습니다. 그러면 뷰어가 별도의 창에서 열립니다. 메쉬 및 형상 탭에서 STL 파일을 열고 볼 수도 있습니다.

A special utility that displays stereolithography (STL) files. STL files are produced by CAD software and are composed of many triangles that form the surface of a three-dimensional object. The STL Viewer in FLOW-3D  is accessible via the GUI by clicking Utilities/STL Viewer in the main menu. This causes the viewer to open in a separate window. STL files can also be opened and viewed in the Meshing and Geometry tab.

Subcomponents

하위 구성 요소는 구성 요소라고하는 더 큰 모양을 형성하기 위해 결합할 수 있는 기하학적 모양입니다. 하위 구성 요소는 재료를 추가하거나 (고체로) 다른 하위 구성 요소에서 재료를 제거하거나 (구멍으로) 또는 모양 외부에 재료를 추가하도록 정의할 수 있습니다.

Subcomponents are geometric shapes that can be combined to form larger shapes, called components. A subcomponent can be defined to add material (as solids), remove material from other subcomponents (as holes), or add material outside of the shape (as a complement).

Time-step size

계산에 사용된 실제 시간 단계. 이 값은 안정성 한계와 같거나 작을 수 있습니다.

The actual time step used in the computation. This value can be equal to or less than the stability limit.

Units

Units are based upon the values set for the physical properties. Items such as mesh block extents and cell lengths automatically conform to the units used for setting these physical properties.

단위는 물리적 특성에 설정된 값을 기반으로 합니다. 메쉬 블록 범위 및 셀 길이와 같은 항목은 이러한 물리적 속성을 설정하는 데 사용되는 단위를 자동으로 따릅니다.

Volume error (%)

주어진 시간에 도메인에 존재하는 총 유체의 백분율로 설명되지 않은 유체 부피의 백분율을 의미합니다. 따라서 단순히 총 부피가 작기 때문에 유체가 시스템 밖으로 배출되는 시뮬레이션에서 큰 비율의 부피 오류가 발생할 수 있습니다.

The percentage of fluid volume not accounted for as a percentage of the total fluid present in the domain at a given time. Therefore, a large percentage volume error can occur for simulations where fluid is draining out of the system simply because the total volume present is small.

Volume of fluid #1

선택한 길이 단위로 입방체에 존재하는 유체 #1의 총 부피입니다. 2 유체 문제의 경우, 유체 #2의 부피는 항상 도메인 부피에서 유체 #1의 부피를 뺀 값입니다.

The total volume of fluid #1 present in the system, in the chosen length units cubed. For two-fluid problems, the volume of fluid #2 is always the domain volume minus the volume of fluid #1.

Wall shear stress

FLOW-3D 옵션은 벽면 및 객체 인터페이스에서 전단 응력 계산을 켜거나 끌 수 있도록 해줍니다. “no-slip” 인터페이스의 효과를 모델링 하려면 벽면 전단 응력을 켜야 합니다.

The FLOW-3D  option that allows the user to turn on or off the computation of shear stress at wall and object interfaces. Wall shear stress must be turned on to model the effect of “no-slip” interfaces.

Workspace

작업 공간은 시뮬레이션 프로젝트를 위한 파일 컨테이너입니다. 작업 공간은 사용자가 FLOW-3D 뿐만 아니라 하드 드라이브에서도 작업을 구성하는 데 도움이 됩니다.

A workspace is a file container for simulation projects. Workspaces help the user organize their work, not only within FLOW-3D , but also on their hard drive.

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

FLOW-3D 기술자료로 이동

Figure 20. Top: image of electrospray, bottom: cone-jet profile using the CF emitter. Distance between the carbon fiber tip and the counter electrode is 4.0 mm, potential difference is 3500 V, flow rate is 300 nL min−1 .

Modeling and characterization of a carbon fiber emitter for electrospray ionization

A K Sen1, J Darabi1, D R Knapp2 and J Liu2
1 MEMS and Microsystems Laboratory, Department of Mechanical Engineering,
University of South Carolina, 300 Main Street, Columbia, SC 29208, USA
2 Department of Pharmacology, Medical University of South Carolina, 173 Ashley Avenue,
Charleston, SC 29425, USA
E-mail: darabi@engr.sc.edu

뾰족한 탄소 섬유(CF)를 사용하는 새로운 마이크로 스케일 이미터는 질량 분석 (MS) 분석에서 전기 분무에 사용할 수 있습니다. 탄소 섬유는 360 µm OD 및 75 µm ID의 용융 실리카 모세관과 동축에 위치하며 날카로운 팁은 튜브 말단에서 30 µm 연장됩니다.

Abstract

전기 분무 이온화 (ESI) 프로세스는 전기 유체 역학을 해결하기 위한 Taylor–Melcher 누설 유전체 유체 모델 및 액체-가스 인터페이스 추적을 위한 유체 부피 (VOF) 접근 방식을 기반으로 하는 전산 유체 역학 (CFD) 코드를 사용하여 시뮬레이션 됩니다. CFD 코드는 먼저 기존 지오메트리에 대해 검증한 다음 CF 이미터 기반 ESI 모델을 시뮬레이션하는데 사용됩니다.

시뮬레이션된 전류 흐름 및 전류 전압 결과는 CF 이미터의 실험 결과와 잘 일치합니다. 이미터 형상, 전위차, 유속 및 액체의 물리적 특성이 CF 이미터의 전기 분무 거동에 미치는 영향을 철저히 조사합니다.

스프레이 전류와 제트 직경은 액체의 유속, 전위차 및 물리적 특성과 상관 관계가 있으며 상관 결과는 문헌에 보고된 결과와 정량적으로 비교됩니다. (이 기사의 일부 그림은 전자 버전에서만 색상입니다)

Introduction

1980 년대 후반부터 매트릭스 보조 레이저 탈착 이온화 (MALDI)와 전기 분무 이온화 (ESI)의 두 가지 이온화 기술을 구현하여 감도, 속도 및 구조 정보 수준 측면에서 MS 분석이 엄청나게 성장했습니다. 1980 년대 초까지 전자 충격 (EI) 또는 화학 이온화 (CI) 방법은 가스 크로마토 그래피에 적합한 작은 생체 분자를 이온화 하는 데 사용되었습니다.

그러나 크고 열에 민감한 비 휘발성 샘플은 적절한 사전 처리 없이 EI 또는 CI-MS 기술로 분석 할 수 없습니다 [1]. ESI 기술을 사용하면 액체상에서 직접 이러한 큰 분자를 분석 할 수 있습니다 [2]. Zeleny [3, 4]는 출구에 높은 전위를 적용하여 모세관에서 액체 용액을 분사 할 수 있음을 보여주었습니다.

Dole [5, 6] 및 Fenn [7]의 선구적인 연구는 ESI를 고분자 및 생체 분자와 같은 대형 화합물의 이온화 방법으로 표시했습니다. 이에 이어이 기술에 의한 기상 이온 발생에 관련된 과정과 메커니즘이 널리 조사되고 있습니다.

ESI 방법에서 기체 이온화 된 분자는 강한 전계가 있는 상태에서 미세한 물방울을 생성하여 액체 용액에서 생성됩니다. ESI 프로세스의 이러한 능력은 단백질 및 기타 생체 분자 연구에 자연적으로 적용됨을 발견했습니다. ESI 방법과 관련된 다양한 프로세스가 그림 1에 나와 있습니다.

Figure 1. Schematic of an ESI process.
Figure 1. Schematic of an ESI process.

ESI 전위는 일반적으로 전도성 물질로 코팅 된 이미 터 튜브를 통해 외부에서 샘플 액체에 적용되지만 액체 샘플 내부에 적용될 수도 있습니다. Herring과 Qin [8]은 이미 터 팁에 삽입된 팔라듐 와이어를 통해 전기 분무 전위가 적용되는 모세관 전기 영동 (CE)을위한 ESI 인터페이스를 보여주었습니다.

Chiou의 설계 [9]에서는 작은 PDMS 칩에 있는 샘플 저장소, 마이크로 채널 및 실리카 모세관 노즐과 통합 된 내장 전극을 통해 전기 분무를 위한 고전압이 적용되었습니다.

Cao and Moini [10]는 ESI 전압이 모세관 내부에 위치한 전극을 통해인가되고 전기적 접촉이 출구 근처 모세관 벽의 작은 구멍을 통해 유지되는 전기 분무 방출기를 설계했습니다. 작은 모세관 직경 (~ 10 µm)을 가진 이미 터를 사용하여 낮은 전압에서 전기 분무가 가능하지만, 더 작은 구멍은 과도한 배압으로 인해 쉽게 막힐 수 있습니다.

직경이 더 큰 (> 50µm) 이미 터를 처리하는 것이 더 쉽습니다. 그러나 그들은 더 작은 직경의 이미 터만큼 효율적이지 않습니다 [11]. 일반적으로 ESI 전압을 적용하기 위해 유리 또는 용융 실리카와 같은 절연 재료로 제작 된 저 유량 이미 터의 외주에 전도성 코팅이 적용됩니다.

용융 실리카 모세관의 끝 부분에있는 스퍼터 코팅 된 귀금속 층은 내구성에 빠르게 영향을 미치는 것으로 관찰되었습니다. 코팅의 빠른 열화는 방전, 전기 화학적 반응 및 층과 용융 실리카 표면 사이의 불량한 기계적 결합으로 인해 발생할 수 있습니다.

이러한 에미 터의 수명은 스퍼터 코팅 후에 금을 전기 도금하거나 [12] 스퍼터 코팅 된 금 위에 SiOx를 코팅하여 증가시킬 수 있습니다 [13]. 크롬 또는 니켈 합금의 접착층 위에 금으로 코팅 된 이미 터는 우수한 결합력을 제공 할 수 있으며 음극으로 작동 할 때 내구성이 있습니다.

그러나 양극으로 작동하는 동안 접착층은 금 막을 통해 화학적으로 용해됩니다. 이미 터의 안정성과 내구성을 향상시키기 위해 대체 전도성 코팅이 평가되었습니다.

안정적인 ESI 작동을 위해 콜로이드 흑연 코팅 이미 터가 사용되었으며 수명이 길었습니다 [14]. 폴리아닐린 (PANI) 코팅 이미 터는 두꺼운 코팅으로 인해 높은 내구성을 보여주고 방전에 강합니다. PANIcoated와 gold-coated nanospray emitter의 electrospray ionization 거동을 비교 한 결과 PANIcoated emitter는 goldcoated emitter와 비슷한 향상된 감도를 제공합니다 [15].

그라파이트-폴리이 미드 혼합물은 또한 무 접착 전기 분무 방출기의 경우 전도성 코팅으로 사용되었습니다. 전도성 코팅의 안정성은 산화 스트레스 동안 좋은 성능을 나타내는 전기 화학적 방법에 의해 조사되었습니다 [16].

탄소 코팅 이미 터의 기능은 마이크로 스프레이 및 시스리스 CE 및 ESI 응용 분야에서 입증되었습니다. 이 이미 터는 견고하지는 않지만 방수가 되지 않는 CE 또는 ESI 애플리케이션에 충분히 내구성이있었습니다 [17].

우리는 막힘 문제를 제거하고 시료 액체와 금층 사이의 접촉 문제를 피할 수있는 뾰족한 탄소 섬유 기반의 새로운 ESI 방출기를 도입하여 ESI 시스템의 적용 성, 신뢰성 및 내구성을 향상 시켰습니다 [18]. 이 작업에서 탄소 섬유 기반 ESI 이미 터는 전산 유체 역학 (CFD) 소프트웨어 패키지 FLOW-3D [19]를 사용하여 시뮬레이션됩니다.

실험은 새로운 CF 이미 터를 사용하여 수행됩니다. 모델 예측은 실험 결과와 비교됩니다. 새로운 이미 터의 ESI 성능은 이미 터의 기하학적 구조, 유속, 액체의 물리적 특성과 같은 다양한 매개 변수에 대한 반응을 연구하여 평가됩니다.

스프레이 전류 및 제트 직경은 유량 및 액체의 특성과 상관 관계가 있으며 상관 결과는 문헌에보고 된 결과와 정량적으로 비교됩니다. 다음 섹션에서 ESI 공정을 지배하는 전기 유체 역학 이론은 Taylor–Melcher 누설 유전체 모델 [20]을 참조하여 설명됩니다.

그런 다음 Hartman 등이 사용하는 ESI 구성을 고려하여 CFD 코드의 유효성을 확인합니다 [21]. 또한 CF 기반 ESI 모델에 대한 시뮬레이션 및 실험 결과가 제시되고 논의됩니다. 마지막으로 모수 연구 결과와 상관 관계를 제시하고 논의합니다.

Figure 2. Forces in the liquid cone.
Figure 2. Forces in the liquid cone.
Figure 3. Schematic of the ESI model studied by Hartman et al [21].
Figure 3. Schematic of the ESI model studied by Hartman et al [21].
Figure 6. Cone-Jet profile and the electric potential contours at 19 kV; cone length is 4.3 mm.
Figure 6. Cone-Jet profile and the electric potential contours at 19 kV; cone length is 4.3 mm.
Figure 7. A photograph of the experimental cone shape; cone length is 4.2 ± 0.2 mm [21].
Figure 7. A photograph of the experimental cone shape; cone length is 4.2 ± 0.2 mm [21].
Figure 15. Electric field contours at various time steps
Figure 15. Electric field contours at various time steps
Figure 20. Top: image of electrospray, bottom: cone-jet profile using the CF emitter. Distance between the carbon fiber tip and the counter electrode is 4.0 mm, potential difference is 3500 V, flow rate is 300 nL min−1 .
Figure 20. Top: image of electrospray, bottom: cone-jet profile using the CF emitter. Distance between the carbon fiber tip and the counter electrode is 4.0 mm, potential difference is 3500 V, flow rate is 300 nL min−1 .

References

[1] Siuzdak M 1996 Mass Spectrometry for Biotechnology (New York: Academic)
[2] Cole R B (ed) 1997 Electrospray Ionization Mass Spectrometry (New York: Wiley-Interscience)
[3] Zeleny J 1914 Phys. Rev. 3 69–91
[4] Zeleny J 1917 Phys. Rev. 10 1–6
[5] Dole M, Mack L L, Hines R L, Mobley R C, Ferguson L D and Alice M B 1968 Molecular beams of macroions
J. Chem. Phys. 49 2240–9
[6] Clegg G A and Dole M 1971 Molecular beams of macroions: III. Zein and polyvinylpyrrolidone Biopolymers
10 821–6
[7] Fenn J B, Mann M, Meng C K, Wong S F and Whitehouse C M 1989 Electrospray ionization for mass
spectrometry of large biomolecules Science 246 64–71
[8] Herring C J and Qin J 1999 An on-line preconcentrator and the evaluation of electrospray interfaces for the capillary
electrophoresis/mass spectrometry of peptides Rapid Commun. Mass Spectr. 13 1–7
[9] Chiou C H, Lee G B, Hsu H T, Chen P W and Liao P C B 2002 Microscale Tools for Sample Preparation, Separation
and Detection of Neuropeptides Sensors Actuators B 86 280–6
[10] Cao P and Moini M 1997 A novel sheathless interface for capillary electrophoresis/electrospray ionization mass
spectrometry using an in-capillary electrode J. Am. Soc. Mass Spectrom 8 561–4
[11] Janini G M, Conards T P, Wilkens K L, Issaq H J and Veenstra T D 2003 A sheathless nanoflow electrospray
interface for on-line capillary electrophoresis mass spectrometry Anal. Chem 75 1615–9
[12] Barroso M B de Jong and Ad P 1999 Sheathless preconcentration-capillary zone electrophoresis-mass
spectrometry applied to peptide analysis J. Am. Soc. Mass Spectrom 10 1271–8
[13] Valaskovic G A and McLafferty F W 1996 Long-lived metallized tips for nanoliter electrospray mass spectrometry
J. Am. Soc. Mass Spectrom. 7 1270–2
[14] Zhu X, Thiam S, Valle B C and Warner I M 2002 A colloidal graphite coated emitter for seathless capillary
electrophoresis/nanoelectrospray ionization mass spectrometry Anal. Chem 74 5405–9
[15] Maziarz E P I II, Lorenz S A, White T P and Wood T D 2000 Polyaniline: a conductive polymer coating for durable
nanospray emitters J. Am. Soc. Mass. Spectrom 11 659–63
[16] Nilsson S, Wetterhall M, Bergquist J, Nyholm L and Markides K E 2001 A simple and robust conductive
graphite coating for sheathless electrospray emitters used in capillary electrophoresis/mass spectrometry Rapid
Commun. Mass Spectr. 15 1997–2000
[17] Chang Y Z and Her G R 2000 Sheathless capillary electrophoresis/electospray mass spectrometry using a
carbon-coated tapered fused silica capillary with a beveled edge Anal. Chem. 72 626–30
[18] Liu J, Ro K W, Busman M and Knapp D R 2004 Electrospray ionization with a pointed carbon fiber emitter Anal. Chem. 76 3599–606
[19] Hirt C W 2004 Electro-hydrodynamics of semi–conductive fluids: with application to electro–spraying Flow Science
Technical Note 70 FSI–04–TN70 1–7
[20] Saville D A 1997 Electrohydrodynamcis: the Taylor–Melcher leaky dielectric model Annu. Rev. Fluid Mech. 29 27–64
[21] Hartman R P A, Brunner D J, Camelot D M A, Marijnissen J C M and Scarlett B 1999
Electrohydrodynamic atomization in the cone-jet mode physical modeling of the liquid cone and jet J. Aerosol Sci.
30 823–49
[22] Castellanos A 1998 Basic Concepts and Equations in Electrohydrodynamics Electrohydrodynamics
ed A Castellanos (Berlin: Springer)
[23] Melcher J R 1981 Continuum Electromechanics (Cambridge, MA: MIT Press)
[24] Hirt C W and Nichols B D 1981 Volume of fluid (VOF) method for the dynamics of free boundaries J. Comp. Phys.
39 201–25
[25] De la Mora F J and Loscertales I G 1994 The current emitted by highly conducting Taylor cones J. Fluid Mech. 260
155–84
[26] Ganan-Calvo A M 1997 Cone–jet analytical extension of Taylor’s electrostatic solution and the asymptotic universal
scaling laws in electrospraying Phys. Rev. Lett. 79 217–20
[27] Higuera F J 2004 Current/flow–rate characteristic of an electrospray with a small meniscus J. Fluid Mech.
513 239–46
[28] Zeng J, Sobek D and Korsmeyer T Electro-hydrodynamic modeling of electrospray ionization: cad for a microfluidic
device-mass spectrometer interface Transducers ’03: 12th Int. Conf. on Solid State Sensors, Actuators and
Microsystems 2 1275–8
[29] Ganan–Calvo A M, Davila J and Barrero A 1997 Current and droplet size in the electrospraying of liquids. Scaling laws J. Aerosol Sci. 28 249–75
[30] Cloupeau M and Prunet-Foch B 1989 Electrostatic spraying of liquids in cone–jet mode J. Electrost. 22 135–59

Laser Metal Deposition and Fluid Particles

Laser Metal Deposition and Fluid Particles

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

Fluid Particles

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

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

Laser Metal Deposition

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

Setting Up Laser Metal Deposition

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

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

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

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


Substrate velocity

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

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

Results and discussion

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

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

Figure 2. Ink fraction contours for mesh 1 through 4 (left to right) at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs.

Coupled CFD-Response Surface Method (RSM) Methodology for Optimizing Jettability Operating Conditions

분사성 작동 조건을 최적화하기 위한 결합된 CFD-Response Surface Method(RSM)

Nuno Couto 1, Valter Silva 1,2,* , João Cardoso 2, Leo M. González-Gutiérrez 3 and Antonio Souto-Iglesias 41
INEGI-FEUP, Faculty of Engineering, Porto University, 4200-465 Porto, Portugal;
nunodiniscouto@hotmail.com
2 VALORIZA, Polytechnic Institute of Portalegre, 7300-110 Portalegre, Portugal; jps.cardoso@ipportalegre.pt
3 CEHINAV, DMFPA, ETSIN, Universidad Politécnica de Madrid, 28040 Madrid, Spain; leo.gonzalez@upm.es
4 CEHINAV, DACSON, ETSIN, Universidad Politécnica de Madrid, 28040 Madrid, Spain;
antonio.souto@upm.es

  • Correspondence: valter.silva@ipportalegre.pt; Tel.: +351-245-301-592

소개

물방울 생성에 대한 이해는 여러 산업 응용 분야에서 매우 중요합니다 [ 1 ]. 잉크젯 프린팅 프로세스는 일반적으로 10 ~ 100 μm [ 1 ] 범위의 독특하고 작은 액적 크기를 특징으로 하며 연속적 또는 충동적 흐름을 사용하여 얻을 수 있습니다 (마지막 방식은 주문형 드롭 (DoD)이라고도 함). 잉크젯).

여러 장점 덕분에 DoD 방법은 산업 환경에서 상당한 수용을 얻고 있습니다 [ 2 ].DoD는 복잡한 프로세스이며 유체 속성, 노즐 형상 및 구동 파형 [ 1 , 3 ]의 세 가지 주요 범주로 분류되는 여러 매개 변수에 따라 달라집니다 .그러나 길이와 시간 척도가 모두 마이크로 오더 [ 4 ] 이기 때문에 실험을하기가 어렵습니다 .

결과적으로 실험 설정은 항상 비용이 많이 들고 복잡하며 CFD (전산 유체 역학)와 같은 고급 수치 접근 방식이 엄격한 요구 사항입니다 [ 5 , 6 ]. VOF (volume-of-fluid) 접근 방식은 액체 분해 및 액적 생성에 대한 다상 공정을 시뮬레이션하기위한 적절한 대안으로 밝혀졌으며 과거 연구에서 그대로 사용되었습니다 [ 7 , 8], 인쇄 프로세스의 맥락에서 전자는 여전히 현재 연구의 주제입니다. 

또한 VOF 체계를 사용하면 단일 운동량 방정식 세트를 해결하고 도메인 전체에 걸쳐 각 유체의 체적 분율을 추적하여 명확하게 정의된 인터페이스로 둘 이상의 혼합 불가능한 유체를 효과적으로 시뮬레이션 할 수 있습니다. Feng [ 9 ]는 VOF 접근 방식을 사용하여 일시적인 유체 인터페이스 변형 및 중단을 효과적으로 추적하는 패키지 FLOW-3D를 사용하여 낙하 배출 중 복잡한 유체 역학 프로세스를 시뮬레이션하는 선구자 작업 중 하나를 수행했습니다.

주요 목표는 볼륨 및 속도와 같은 민감한 변수를 더 잘 이해하면서 장치 개발에서 일반적인 설계 규칙을 구현하는 것이 었습니다. 이러한 종류의 공정과 관련된 주요 질문 중 하나는 안정적인 액적 형성을 위한 작동 범위의 정의입니다.

Fromm [ 10 ]은 Reynolds 수와 Weber 수의 제곱근 비율이 2보다 작으면 안정적인 방울을 생성 할 수 없다는 것을 확인했습니다. 이 무차원 값은 나중에 Z 번호로 알려졌으며 분사 가능성 범위 [ 11 ]를 정의합니다 . 문헌에서 분사 가능성을 위한 Z 간격은 1 ~ 10 [ 12 ], 4 ~ 14 [ 13 ] 또는 0.67 ~ 50 [ 14]을 찾을 수 있습니다. 

이것은 Z 값 만으로는 분사 가능성 조건을 나타낼 수 없음을 분명히 의미합니다. 실제로, 다른 속성을 가진 유체는 다른 인쇄 품질을 나타내면서 동일한 Z 값을 나타낼 수 있습니다. 액적 생성 공정과 해당 분사 성은 주로 전체 공정 품질에 큰 영향을 미치는 매개 변수 세트에 의해 결정됩니다. 

토대 메커니즘을 더 잘 이해하려면 확장 된 작동 조건 및 매개 변수 세트를 고려하여 여러 실험 또는 수치 실행을 수행해야 합니다. DoE (design-of-experiment) 접근 방식과 같은 체계적인 접근 방식이 없으면 이것은 달성하기 매우 어려운 작업이 될 수 있습니다. 최적화 문제를 해결하기 위해 반응 표면 방법을 사용하여 처음으로 체계화된 접근 방식이 개발된 Box and Wilson [ 15 ] 의 선구자 기사 이후 ,이 입증된 방법론은 많은 화학 및 산업 공정[ 16 ] 및 기타 관련 학계에 성공적으로 적용되었습니다.

예를 들어 Silva와 Rouboa [ 17 ]는 직접 메탄올 연료 전지의 출력 밀도에 영향을 미치는 관련 매개 변수를 식별하기 위해 반응 표면 방법론 (RSM)을 사용했습니다. 많은 실제 산업 응용 분야에서 실험 연구는 작동 매개 변수를 조절하기 어렵 기 때문에 제한적이지만 주로 설정을 개발하거나 실험을 실행하는 데 드는 비용이 높기 때문입니다. 

따라서 솔루션은 주요 시스템 응답을 시뮬레이션하고 예측할 수 있는 효과적인 수학적 모델의 개발에 의존합니다. DoE와 같은 최적화 방법론을 수치 모델과 결합하면 비용이 많이 들고 시간이 많이 걸리는 실험을 피하고 다양한 입력 조합을 사용하여 최적의 조건을 얻을 수 있습니다 [ 16 ]. 

실바와 루 보아 [ 18] CFD 프레임 워크 하에서 개발 된 2D Eulerian-Eulerian 바이오 매스 가스화 모델에서 얻은 결과를 RSM과 결합하여 다양한 응용 분야에서 합성 가스를 생성하기 위한 최적의 작동 조건을 찾습니다. 

저자는 입력 요인으로 인한 최상의 응답과 최소한의 변동을 모두 보장하는 작동 조건을 찾을 수 있었습니다. Frawley et al. [ 19 ] CFD 및 DoE 기술 (특히 RSM)을 결합하여 파이프의 팔꿈치에서 고체 입자 침식에 대한 다양한 주요 요인의 영향을 조사하여 침식 예측 모델을 개발할 수 있습니다.우리가 아는 한, DoD 잉크젯 프로세스의 개선 및 더 나은 이해에 적용되는 DoE 접근법 (실험적으로 또는 모든 종류의 수치 모델과 결합)을 구현하는 연구는 없습니다. 선도 기업이 이러한 접근 방식을 적용 할 가능성이 있지만 관련 결과는 민감할 수 있으므로 더 넓은 커뮤니티에서 사용할 수 없습니다. 이 사실은 DoD 잉크젯 공정에서 액적 생성에 대한 여러 매개 변수의 영향을 평가하기 위한 이러한 종류의 연구로서 현재 논문의 영향을 증가 시킬 수 있습니다.

CFD 프레임 워크 내에서 VOF 접근 방식을 사용하여 여러 컴퓨터 실험의 설계를 개발하고 RSM을 분석 도구로 사용했습니다. 충분한 수치 정확도와 수용 가능한 시간 계산 시뮬레이션의 균형을 맞추기 위해 메쉬 수렴 연구가 수행되었습니다. 설계 목적을 위해 점도, 표면 장력, 입구 속도 및 노즐 직경이 입력 요인으로 선택되었습니다. 응답은 break-up 시간과 break-up 길이였습니다.

Figure 1. Schematic of the computational domain
Figure 1. Schematic of the computational domain
Figure 2. Ink fraction contours for mesh 1 through 4 (left to right) at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs.
Figure 2. Ink fraction contours for mesh 1 through 4 (left to right) at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs.
Figure 3. Comparison between surface tensions at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs
Figure 3. Comparison between surface tensions at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs
Figure 4. Comparison between viscosity values at the following four time steps: (a) 6 μs, (b) 12 μs, (c) 18 μs, and (d) 24 μs.
Figure 4. Comparison between viscosity values at the following four time steps: (a) 6 μs, (b) 12 μs, (c) 18 μs, and (d) 24 μs.
Figure 5. Comparison between different nozzle diameters at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs
Figure 5. Comparison between different nozzle diameters at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs
Figure 6. Comparison between different inlet velocities at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs
Figure 6. Comparison between different inlet velocities at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs
Figure 8. Contour response plots for break-up time as a function of (a) surface tension and viscosity, (b) nozzle diameter and viscosity, (c) inlet velocity and viscosity, (d) nozzle diameter and surface tension, (e) inlet velocity and surface tension, and (f) inlet velocity and nozzle diameter.
Figure 8. Contour response plots for break-up time as a function of (a) surface tension and viscosity, (b) nozzle diameter and viscosity, (c) inlet velocity and viscosity, (d) nozzle diameter and surface tension, (e) inlet velocity and surface tension, and (f) inlet velocity and nozzle diameter.
Figure 12. Break-up length as a function of the We–Ca space (obtained from the 25 runs).
Figure 12. Break-up length as a function of the We–Ca space (obtained from the 25 runs).

References

  1. Hutchings, I.M.; Martin, G.D. Inkjet Technology for Digital Fabrication; John Wiley & Sons Ltd.: Hoboken, NJ,
    USA, 2013.
  2. Waasdorp, R.; Heuvel, O.; Versluis, F.; Hajee, B.; GhatKesar, M. Acessing individual 75-micron diameter
    nozzles of a desktop inkjet printer to dispense picoliter droplets on demand. RSC Adv. 2018, 8, 14765.
  3. Zhang, H.; Wang, J.; Lu, G. Numerical investigation of the influence of companion drops on drop-ondemand ink jetting. Appl. Phys. Eng. 2012, 13, 584–595.
  4. Dong, H.; Carr, W. An experimental study of drop-on-demand drop formation. Phys. Fluids 2006, 18,
    072102.
  5. Patel, M.; Pericleous, K.; Cross, M. Numerical Modelling of Circulating Fluidized beds. Int. J. Comput.
  6. Fluid Dyn. 1993, 1, 161–176. [CrossRef]
  7. Zhao, X.; Glenn, C.; Xiao, Z.; Zhang, S. CFD development for macro particle simulations. Int. J. Comput.
  8. Fluid Dyn. 2014, 28, 232–249. [CrossRef]
  9. Hasan, M.N.; Chandy, A.; Choi, J.W. Numerical analysis of post-impact droplet deformation for direct-print.
  10. Eng. Appl. Comput. Fluid Mech. 2015, 9, 543–555. [CrossRef]
  11. Ghafouri-Azar, R.; Mostaghimi, J.; Chandra, S. Numerical study of impact and solidification of a droplet
  12. over a deposited frozen splat. Int. J. Comput. Fluid Dyn. 2004, 18, 133–138. [CrossRef]
  13. Feng, J. A General Fluid Dynamic Analysis of Drop Ejection in Drop-on-Demand Ink Jet Devices. J. Imaging
  14. Sci. Technol. 2002, 46, 398–408.
  15. Fromm, J. Numerical Calculation of the Fluid Dynamics of Drop-on-Demand Jets. IBM J. Res. Dev. 1984, 28,
  16. 322–333. [CrossRef]
  17. Nallan, H.; Sadie, J.; Kitsomboonloha, R.; Volkman, S.; Subramanian, V. Systematic Design of Jettable
  18. Nanoparticle-Based Inkjet Inks: Rheology, Acoustics and Jettability. Langmuir 2014, 30, 13470–13477.
  19. [CrossRef] [PubMed]
  20. Reis, N.; Derby, B. Ink Jet Deposition of Ceramic Suspensions: Modelling and Experiments of Droplet Formation;
  21. Chapter in MRS Online Proceeding Library Archive; Cambridge University Press: Cambridge, UK, 2000;
  22. Volume 624, pp. 117–122.
  23. Jang, D.; Kim, D.; Moon, J. Influence of Fluid Physical Properties on Ink-Jet Printability. Langmuir 2009, 25,
  24. 2629–2635. [CrossRef] [PubMed]
  25. Tai, J.; Gan, H.Y.; Liang, Y.N.; Lok, B.K. Control of Droplet Formation in Inkjet Printing Using Ohnesorge
  26. Number Category: Materials and Processes. In Proceedings of the 10th Electronics Packaging Technology
  27. Conference, EPTC, Singapore, 9–12 December 2008; pp. 761–766.
  28. Box, G.; Wilson, K. On the Experimental Attainment of Optimum Conditions. J. R. Stat. Soc. Ser. B 1951, 13,
  29. 1–45.
  30. Silva, V.; Rouboa, A. Optimizing the gasification operating conditions of forest residues by coupling a
  31. two-stage equilibrium model with a response surface methodology. Fuel Process. Technol. 2014, 122, 163–169.
  32. [CrossRef]
  33. Silva, V.; Rouboa, A. Optimizing the DMFC Operating Conditions using a Response Surface Method.
  34. Appl. Math. Comput. 2012, 218, 6733–6743. [CrossRef]
  35. Silva, V.; Rouboa, A. Combining a 2-D multiphase CFD model with a Response Surface Methodology to
  36. optimize the gasification of Portuguese biomasses. Energy Convers. Manag. 2015, 99, 28–40. [CrossRef]
  37. Frawley, P.; Corish, J.; Niven, A.; Geron, M. Combination of CFD and DOE to analyse solid particle erosion
  38. in elbows. Int. J. Comput. Fluid Dyn. 2009, 23, 411–426. [CrossRef]
  39. Morrison, N.F.; Harlen, O.G. Viscoelasticity in inkjet printing. Rheol. Acta 2010, 49, 619–632. [CrossRef]
  40. ANSYS Inc. ANSYS Fluent Tutorial Guide; Release 15.0; ANSYS Inc.: Canonsburg, PA, USA, November 2013.
  41. ANSYS Inc. ANSYS Fluent Theory Guide; Release 17.0; ANSYS Inc.: Canonsburg, PA, USA, January 2016.
  42. Dinsenmeyer, R.; Fourmigué, J.F.; Caney, N.; Marty, P. Volume of fluid approach of boiling flows in
  43. concentrated solar plants. Int. J. Heat Fluid Flow 2017, 65, 177–191. [CrossRef]
  44. Das, S.; Weerasiri, L.D.; Yang, W. Influence of surface tension on bubble nucleation, formation and onset of
  45. sliding. Colloids Surf. A Physicochem. Eng. Asp. 2017, 516, 23–31. [CrossRef]
  46. Du, W.; Zhang, J.; Lu, P.; Xu, J.; Wei, W.; He, G.; Zhang, L. Advanced understanding of local wetting
  47. behaviour in gas-liquid-solid packed beds using CFD with a volume of fluid (VOF) method. Chem. Eng. Sci.
  48. 2017, 170, 378–392. [CrossRef]
  49. Shrestha, S.; Chou, K. A build surface study of Powder-Bed electron beam additive manufacturing by
  50. 3D thermo-fluid simulation and white-light interferometry. Int. J. Mach. Tools Manuf. 2017, 121, 37–49.
  51. [CrossRef]
  52. Zhong, Y.; Fang, H.; Ma, Q.; Dong, X. Analysis of droplet stability after ejection from an inkjet nozzle. J. Fluid
  53. Mech. 2018, 845, 378–391. [CrossRef]
  54. Zhang, X. Dynamics of drop formation in viscous flows. Chem. Eng. Sci. 1999, 54, 1759–1774. [CrossRef]
  55. Calvert, P. Inkjet printing for materials and devices. Chem. Mater. 2001, 13, 3299–3305. [CrossRef]
  56. Kim, C.S.; Park, S.; Sim, W.; Kim, Y.; Yoo, Y. Modelling and characterization of an industrial inkjet head for
  57. micro-patterning on printed circuit boards. Comput. Fluids 2009, 38, 602–612. [CrossRef]
  58. ChemEngineering 2018, 2, 51 19 of 19
  59. Wang, P. Numerical Analysis of Droplet Formation and Transport of a Highly Viscous Liquid. Master’s Thesis,
  60. University of Kentucky, Lexington, KY, USA, 2014.
  61. Zhang, Z.; Xiong, R.; Corr, D.; Huang, Y. Study of Impingement Types and Printing Quality during Laser
  62. Printing of Viscoelastic Alginate Solutions. Langmuir 2016, 32, 3004–3014. [CrossRef] [PubMed]
  63. Derby, B. Inkjet Printing Ceramics: From Drops to Solid. J. Eur. Ceram. Soc. 2011, 31, 2543–2550. [CrossRef]
  64. Kim, E.; Baek, J. Numerical Study on the Effects of Non Dimensional Parameters on Drop-on-Demand
  65. Droplet Formation Dynamics and Printability Range in the up-Scaled Model. Phys. Fluids 2012, 24, 082103.
  66. [CrossRef]

Granular Media

Granular 미디어

가공 및 제조 업계에서는 다양한 유형의 The granular media model를 접할 수 있습니다. 특이한 특성으로 인해 입상 재료는 유용한 목적을 위해 전달, 혼합 또는 조작하려는 엔지니어에게 어려운 문제를 제기 할 수 있습니다. 입상 매체 모델은 고체 입자와 기체 또는 액체 (예 : 모래와 공기 또는 모래와 물) 일 수있는 유체의 혼합물의 거동을 예측하는 데 사용됩니다. 입상 고체와 유체의 혼합물은 수수료 표면에 의해 제한 될 수있는 비압축성 유체로 취급됩니다. 입상 매체 모델은 고농축 입상 재료의 흐름을 위해 개발되었습니다. 이 모델은 “연속”접근 방식을 사용합니다. 즉, 모래의 연속적인 유체 표현을 기반으로 하여 개별 모래 입자를 처리하려고 하지 않습니다.

Sand flowing under gravity in two-dimensional hour glass
2 차원 모래 시계에서 중력에 의해 흐르는 모래. 작은 검은 색 선은 속도 벡터입니다. 빨간색은 대부분 완전히 채워진 모래 밀도를 나타냅니다.

Granular미디어 모델링

모래와 공기의 혼합물은 공기와 모래 재료가 개별 속도로 흐르지만 압력 및 점성 응력으로 인한 운동량 교환을 통해 결합되는 2 상 흐름입니다. 전형적인 코어 모래에서 모래 입자의 직경은 약 10 분의 1 밀리미터이며 공동으로 날려지는 모래의 부피 분율은 일반적으로 50 % 이상입니다. 이 범위에서는 모래와 공기 사이에 강력한 결합이 존재하므로 그 혼합물을 단일 복합 유체로 모델링 할 수 있습니다. 두 재료의 속도 차이로 인한 2 상 효과는 Drift-Flux라고 하는 상대 속도에 대한 근사치를 사용하여 설명됩니다.

상대 속도 접근 방식을 사용하는 이 복합 흐름은 입상 매체 모델의 기반으로 선택되었습니다. 모래/공기 혼합물은 주변 공기와의 경계에 날카로운 자유 표면이 있는 단일 유체로 표현 될 수 있다고 가정합니다. 그러나 복합 유체는 모래 다짐 정도에 따라 균일하지 않은 밀도를 가질 수 있습니다. 혼합물의 점도는 밀도와 전단 응력의 함수입니다. 운동량 전달의 대부분은 입자-입자 충돌에 의한 것이기 때문에 모래-공기 혼합물은 전단 농축 물질의 특성을 갖습니다.

캐비티의 순수한 공기 영역을 배출하기 위해 단열 기포로 처리됩니다. 단열 기포는 유체 또는 단단한 벽으로 둘러싸인 공기 영역입니다. 기포의 압력은 기포 부피의 함수이며 기포가 차지하는 영역에서 균일 한 값을 갖습니다. 통풍구는 기포 내의 공기가 공동 외부로 배출되도록 합니다.

Sand Core Blowing Applications

유체와 달리 입상매질에서는 발생할 수 있는 몇 가지 차이점을 설명하기 위해 간단한 2 차원 쐐기 모양 호퍼가 바닥에 1cm 너비 튜브로 설치되었습니다. 시뮬레이션은 바닥 튜브가 비어있는 채로 시작됩니다.

Granular media model
 
Figures 1-4 (From left to right): Initial 2D hopper configuration; Time 1.75s — Vectors are black; Time 3.0s; Time 5.0s

모래는 0.63 부피 분율의 가까운 포장 한계에서 초기화되었습니다. 배출관 입구의 바닥에있는 모래는 중력의 작용으로 떨어지기 시작하지만 위의 거의 모든 모래는 고정되어 있습니다. 1-4, 여기서 색상은 패킹으로 인한 흐름 저항입니다 (빨간색은 완벽하게 단단함). 짧은 시간에 거품과 같은 영역이 형성되고 모래의 윗면을 향해 올라갑니다. 기포가 상단에 도달 할 때까지 기포 표면 주위의 흐름 만 보이며 표면이 붕괴됩니다. 상단 표면의 움푹 들어간 부분은 측면을 34 °의 지정된 안식각으로 줄이는 국부적 흐름을 가지고 있습니다. 한편이 패턴을 반복하기 위해 바닥에 또 다른 거품이 형성됩니다.

이 새로운 모델의 적용을 설명하기 위해 D. Lefebvre, A. Mackenbrock, V. Vidal, V에 의해 “날린 코어 및 금형 설계에서 시뮬레이션 개발 및 사용”논문의 데이터와 비교하기 위해 시뮬레이션을 수행했습니다. Pavan and PM Haigh., Hommes & Fonderie, 2004 년 12 월. 데이터는 하나의 충전 포트가있는 2 차원 다이 형상에 대한 것입니다. 다이의 벤팅은 비대칭 적이 어서 벤트가 충전 패턴에 미치는 영향을 연구 할 수 있었습니다.

시뮬레이션 영역의 크기는 폭 30cm, 높이 15cm, 두께 1cm입니다. 밀도 1.508 gm/cc의 모래 / 공기 혼합물을 상자 입구에서 절대 2 기압의 압력으로 상자에 넣었습니다. 상자의 오른쪽에는 5 개의 열린 통풍구가 있고 상자의 아래쪽과 왼쪽에는 6 개의 통풍구가 더 있습니다. 이 배열은 상자의 비대칭 채우기로 이어집니다.

Sand core blowing continuum model simulation
 
Figure 5:  연속체 모델 시뮬레이션과 실험 데이터의 비교 시뮬레이션 결과는 0.035s, 0.047s 및 0.055s입니다. 색조는 혼합 농도를 나타냅니다.

계산 그리드는 수평으로 80 개의 메쉬 셀과 수직으로 40 개의 메쉬로 구성되었습니다. 시뮬레이션이 완전히 채워진 코어 박스에 도달하는 데 걸리는 시간은 0.07 초 였고 3.2GHz Pentium 4 PC 컴퓨터에서 직렬 모드로 실행되는 CPU 시간이 약 8.9 초가 필요했습니다 (만족할 정도로 작지만 물론 이것은 2D 케이스였습니다. 계산 영역에 3200 개의 셀이 있음).

연속체 모델 시뮬레이션의 결과와 Lefebvre 등 논문의 사진을 비교 한 결과가 그림 5에 나와 있습니다. 시각적 일치는 많은 세부 사항에서 매우 좋은 것으로 보입니다. 시뮬레이션은 왼쪽에 통풍구가 닫혀있는 비대칭 영향을 포착합니다.

Figure 1. Microchannel pressure field at a) Maximum upward acceleration b) Maximum downward acceleration

Mass Particles and Acoustophoretics

질량 입자 및 Acoustophoretics

주요 개발 중 하나는 FLOW-3D v11.2 버전부터 크게 개선 및 확장된 입자 모델 입니다. 사실 입자 모델에는 새로운 기능이 너무 많아서 질량 입자에 대해 여러 게시물에서 논의 할것입니다.

Acoustophoretic Particle Focusing
Acoustophoretic Particle Focusing

새 모델에서 입자는 기본 기능에 따라 다음 클래스로 그룹화됩니다.

  • 마커 입자 는 단순하고 질량이없는 마커이며 유체 흐름을 추적하는 데 가장 적합합니다.
  • 질량 입자 는 모래 알갱이 또는 내포물과 같은 고체 물체를 나타냅니다.
  • 유체 입자 는 유체 로 구성되며 응고를 포함한 유체 특성을 상속합니다.
  • 가스 입자  는 주변 유체의 온도 및 압력 부하에 따라 크기가 변하는 기포를 나타냅니다.
  • 공극 입자 는 가스 입자와 유사하지만 그 특정 기능은 붕괴 된 공극 영역을 표시하고 추적하는 것입니다. 예를 들어 주조에서 금형 충전 중에 생성되는 잠재적 다공성 결함을 예측하는 데 유용합니다.
  • 질량 / 운동량 소스 입자  는 메시에서 사용자 정의 된 질량 / 운동량 소스를 나타냅니다.
  • 프로브 입자  는 해당 위치에서 용액 양을 기록하고보고하는 진단 장치 역할을합니다. 다른 클래스의 입자로 만들 수 있습니다.
  • 사용자 입자 는 소스 코드의 사용자 정의 함수를 통해 사용자 정의 할 수 있습니다.

질량 입자

FLOW-3D 에서 질량 입자 옵션이 활성화 되면 사용자는 다양한 직경과 밀도를 가진 다양한 질량 입자 종을 설정할 수 있습니다. 또한 질량 입자의 역학은 확산 계수, 항력 계수, 난류 슈미트 수 및 복원 계수와 같은 속성에 의해 제어 될 수 있습니다. 질량 입자는 열적 및 전기적 특성을 지정할 수도 있습니다.

사용자는 입자 생성을 위해 여러 소스를 설정할 수 있으며 각 소스는 이전에 정의 된 질량 입자 종 전체 또는 일부의 혼합을 가질 수 있습니다. 또한 사용자는 임의 또는 균일한 입자 생성을 선택하고 소스에서 입자가 생성되는 속도를 정의할 수도 있습니다. 전체적으로 사용자가 이 강력한 입자 모델을 사용할 수 있는 방법에는 많은 유연성이 있습니다.

Acoustophoretic Particle Separation | 음향 영동 입자 분리

Acoustophoretic Particle Separation는 질량 입자를 직접 사용할 수 있는 많은 응용 분야 중 하나 입니다. Acoustophoretics 입자 분리는 미세 유체 채널의 용액에서 많은 양의 물체를 제거하는 현대적이고 효율적인 방법을 나타냅니다. 미세 유체 용액에서 부유 고체 물체를 분리하는 능력은 의료(예 : 악성 세포 제거), 리서치(예 : 나노 입자 분리), 산업계(예 : 부유 고체 격리) 및 환경(예 : 수질 정화)등에 필요합니다. 원칙적으로 입자 분리는 음향력에 의해 이루어집니다. 원칙적으로 이러한 힘은 정상 파장에 의해 생성된 압력의 조합입니다. 진동의 진폭이 충분히 클 때 입자와 채널 벽의 충돌로 인한 유체 항력 및 임펄스 힘의 조합으로 인해 Acoustophoretics 과정에 관여하는 입자는 크기와 밀도에 따라 분리 될 수 있습니다.

우리가 아는 한, 앞서 언급 한 모든 힘의 영향을 고려한 주제에 대한 수치해석 연구는 거의 없습니다. 따라서 이 기사에서는 FLOW-3D를 사용하여 Acoustophoretics 모델링의 포괄적인 방법을 제시합니다 . FLOW-3D 의 고유한 모델링 기능을 활용하여 업데이트된 입자 모델을 사용하여 임의의 방식으로 도메인 내부에 질량 입자를 쉽게 도입한 다음 지정된 주파수에서 지정된 길이 진폭으로 전체 도메인을 진동시킬 수 있습니다. 나머지 수치 시뮬레이션 결과와 함께 마이크로 채널 진동은 FlowS3D POSTTM 및 개선된 비관성 참조 프레임 렌더링 기능을 사용하여 쉽게 시각화 할 수 있습니다 .

프로세스 매개 변수

이 분석을 위해 모서리가 100μm이고 총 길이가 1mm인 정사각형 단면을 가진 마이크로 채널을 정의하는 계산 영역이 사용되었습니다. 총 1148 개의 입자가 처음에 전체 계산 영역에 무작위 방식으로 도입되었습니다. 우리는 10Khz의 일정한 주파수와 여러 진폭에서 전체 마이크로 채널을 진동 시키기로 결정했습니다. 진폭의 길이는 3.125μm에서 50μm까지 다양했습니다. 일반적으로 진동 진폭이 클수록 빠르게 변화하는 시간적 변수 변화를 설명하기 위해 더 작은 시간 단계 크기가 필요합니다. 그럼에도 불구하고 총 분석 시간은 32 코어 독립형 워크스테이션에서 2 시간 미만이었습니다.

Figure 1. Microchannel pressure field at a) Maximum upward acceleration b) Maximum downward acceleration
Figure 1. Microchannel pressure field at a) Maximum upward acceleration b) Maximum downward acceleration

결과 및 논의

그림 1에서 볼 수 있듯이 압력 장은 진동의 위상에 따라 달라집니다. 보다 구체적으로 그림 1a에서는 최대 상승 가속시 발생하는 채널 하단에 위치한 압력 선단을 관찰하고, 그림 1b에서는 최대시 발생하는 채널 상단에 위치한 압력 선단을 관찰합니다. 하향 가속. 그림 1의 두 결과는 최대 압력이 2400 Pa (약 0.24 Atm) 이상인 최대 진폭의 경우를 나타냅니다.

입자 분류의 진화를 보여주는 진폭의 다른 수준에서 마이크로 채널 모션의 애니메이션. 삽입 된 그래프는 채널 속도를 보여줍니다.

입자 분리 애니메이션은 Acoustophoretic Particle Separation 방법의 효과를 보여주고 영향을 주는 힘을 강조합니다. 입자는 주로 낮은 진폭에서 압력과 항력의 영향을 받지만 진동의 길이 진폭이 마이크로 채널의 크기와 비슷해지면 입자는 충돌로 인한 충격력으로 인해 단일 분리 평면으로 강제됩니다. 마이크로 채널의 상단 및 하단 벽. 이 모델링 방법으로 얻은 수치 결과는 4ms 미만의 전체 공정 시간 동안 90%를 초과하는 분리 수준을 나타내는 것으로 보입니다.

예비 분석을 바탕으로 Acoustophoretic Particle Separation 공정이 필요한 시간과 에너지 측면에서 입자 분리의 매우 효율적인 방법이 될 수 있다는 결론을 내릴 수 있습니다. FLOW-3D는 향상된 입자 모델을 통해 풍부한 물리적 모델과 향상된 렌더링 기능으로 인해 이러한 프로세스를 모델링하는데 매우 강력한 옵션을 제공합니다.

유체 입자의 새로운 기능과 가능한 응용 프로그램에 대해 논의 할 다음 블로그를 계속 지켜봐주십시오.

FLOW-3D를 사용한 모델링 미세 유체 응용 프로그램 의 성능과 다양성에 대해 자세히 알아보기 >

Evaluation of the Wind Effects on the Iron-Ore Stock Pile

Energy

Energy

전 세계 에너지 부문의 엔지니어는 전산 유체 역학(CFD)을 통해 해결책을 찾기 위해 광범위한 프로세스에서 매일 복잡한 설계 문제에 직면합니다. 특히 자유 표면 흐름과 관련이 높은 이러한 문제의 대부분은 FLOW-3D가 매우 정확한 분석을 제공하여 문제 해결에 적합합니다.

  • 공해에서 컨테이너 내부의 연료 또는화물 슬로싱 / Fuel or cargo sloshing inside containers on the high seas
  • 해양 플랫폼에 대한 파도 효과 / Wave effects on offshore platforms
  • 6 자유도 모션을 받는 분리 장치의 성능 최적화 / Performance optimization for separation devices undergoing 6 DOF motion
  • 파동 에너지 포착 장치 / Design of devices to capture energy from waves

Energy Case Studies

천연자원이 계속 감소함에 따라, 대체 자원과 방법을 탐구하고 가능한 한 효과적으로 현재 공급량을 사용하고 있습니다. 엔지니어는 사고를 예방하고 채굴 및 기타 에너지 수확 기법으로 인한 환경적 영향을 평가하기 위해 FLOW-3D를 사용합니다.

Tailing Breach Simulation – CFD Analysis with FLOW-3D

점성이 높은 유체, 비 뉴턴 흐름, 슬러리 또는 심지어 세분화 된 흐름의 형태를 취할 수있는 많은 채광 응용 프로그램의 잔여 물인 테일링은 악명 높은 시뮬레이션 전제를 제공합니다. FLOW-3D  는 비 뉴턴 유체, 슬러리 및 입상 흐름에 대한 특수 모델을 포함하여 이러한 분석을 수행하는 데 필요한 모든 도구를 제공합니다. FLOW-3D 의 자유 표면 유동 모델링 기능 과 결합되어  이러한 어렵고 환경 적으로 민감한 문제에 대한 탁월한 모델링 솔루션을 제공합니다.

관련 응용 분야에는 바람 강제 분석에 따른 광석 비축 더미 먼지 드리프트가 포함되며, 여기서 FLOW-3D 의 드리프트 플럭스 모델을 통해 엔지니어는 광석 침착 및 유입 패턴과 개선 솔루션의 효과를 연구 할 수 있습니다.

액화와 기계적 방해가 물과 같은 뉴턴 흐름과는 대조적으로 입자 흐름의 매우 독특한 속성 인 결국 저절로 멈추는 위반의 동적 특징의 일부라는 점에 유의하십시오.

오일 및 가스 분리기

FLOW-3D  는 기름과 물과 같은 혼합 불가능한 유체를 모델링 할 수 있으며 개방 된 환경 (주변 공기)과 관련된 구성 요소 간의 뚜렷한 인터페이스를 정확하게 추적 할 수 있습니다. 유체는 전체 도메인에 영향을 미치는 역학으로 인해 자유롭게 혼합 될 수 있습니다. 시간이 지남에 따라 유체는 연속 상과 분산 상 간의 드리프트 관계에 따라 다시 분리됩니다. 중력 분리기의 성능은 CFD 모델링을 통해 향상 될 수 있습니다.

  • 기체 및 액체 흐름의 균일성을 개선하고 파도에 의한 슬로싱으로 인한 오일과 물의 혼합을 방지하기 위해 용기 입구 구성을 개발합니다.
  • 유압 효율 및 분리 성능에 대한 내부 장비의 영향을 결정합니다.
  • 작동 조건 변화의 영향 측정
  • 소규모 현상 (다상 흐름, 방울, 입자, 기포)을 정확하게 모델링

생산 파이프 | Production Pipes

생산에 사용되는 공정 파이프의 청소 과정에서 유체가 위로 흘러도 고밀도 입자가 침전될 수 있습니다. 침전 입자를 포착하도록 장치를 설계 할 수 있습니다. 파이프 중앙에 있는 “버킷”이 그러한 잠재적 장치중 하나 입니다. 흐름 변위로 인해 버킷 외부의 상류 속도는 고밀도 입자에 대한 침전 속도보다 높으며 버킷 내부에 모여 있습니다. 표시된 디자인에서 버킷 주변의 상향 유체 속도는 입자 안정화 속도보다 높습니다. 이로 인해 입자가 버킷과 파이프 벽 사이의 틈새를 통해 빠져 나갈 수 없습니다. 따라서 시뮬레이션된 입자는 버킷을 통과하여 아래에 정착하지 않습니다.

파동 에너지 장치 모델링 | Modeling Wave Energy Devices

포인트 흡수 장치 | Point Absorber Devices

이 시뮬레이션은 상단에 부력이있는 구형 구조가있는 점 흡수 장치를 보여 주며, 들어오는 파도의 볏과 골과 함께 위아래로 이동합니다. FLOW-3D 의 움직이는 물체 모델은 x 또는 y 방향으로의 움직임을 제한하면서 z 방향으로 결합 된 움직임을 허용하는 데 사용됩니다. 진폭 5m, 파장 100m의 스톡 스파를 사용했다. RNG 모델은 파도가 점 흡수 장치와 상호 작용할 때 발생하는 난류를 포착하는 데 사용되었습니다. 예상대로 많은 난류 운동 에너지가 장치 근처에서 생성됩니다. 플롯은 난류로 인해 장치 근처의 복잡한 속도 장의 진화로 인해 질량 중심의 불규칙한 순환 운동을 보여줍니다.

다중 플랩, 하단 경첩 파동 에너지 변환기 | Multi-Flap, Bottom-Hinged Wave Energy Converter

진동하는 플랩은 바다의 파도에서 에너지를 추출하여 기계 에너지로 변환합니다. Arm은 물결에 반응하여 피벗된 조인트에 장착된 진자로 진동합니다. 플랩을 배열로 구성하여 다중 플랩 파동 에너지 변환기를 만들 수 있습니다. 아래 상단에 표시된 CFD 시뮬레이션에서 3 개의 플랩 배열이 시뮬레이션됩니다. 모든 플랩은 바닥에 경첩이 달려 있으며 폭 15m x 높이 10m x 두께 2m입니다. 어레이는 30m 깊이에서 10 초의 주파수로 4m 진폭파에서 작동합니다. 시뮬레이션은 중앙 평면을 따라 복잡한 속도 등 가면을 보여줍니다. 이는 한 플랩이 어레이 내의 다른 플랩에 미치는 영향을 연구하는 데 중요합니다. 3 개의 플랩이 유사한 동적 동작으로 시작하는 동안 플랩의 상호 작용 효과는 곧 동작을 위상에서 벗어납니다. 유사한 플랩 에너지 변환기가 오른쪽 하단에 표시됩니다. 이 시뮬레이션에서 플랩은 가장 낮은 지점에서 물에 완전히 잠 깁니다. 이러한 에너지 변환기를 Surface Piercing 플랩 에너지 변환기라고합니다. 이 두 시뮬레이션 예제는 모두 미네르바 역학 .

진동 수주 | Oscillating Water Column

진동하는 수주는 부분적으로 잠긴 중공 구조입니다. 그것은 물의 기둥 위에 공기 기둥을 둘러싸고 수면 아래의 바다로 열려 있습니다. 파도는 물 기둥을 상승 및 하강시키고, 차례로 공기 기둥을 압축 및 감압합니다. 이 갇힌 공기는 일반적으로 기류의 방향에 관계없이 회전 할 수 있는 터빈을 통해 대기로 흐르게 됩니다. 터빈의 회전은 전기를 생성하는 데 사용됩니다.

아래의 CFD 시뮬레이션은 진동하는 수주를 보여줍니다. FLOW-3D에서 포착한 물리학을 강조하기 위해 중공 구조에서 물기둥이 상승 및 하강하는 부분만 모델링  합니다. 시뮬레이션은 다른 파형 생성 선택을 제외하고 유사한 결과를 전달합니다. 아래의 시뮬레이션은 웨이브 유형 경계 조건을 사용하는 반면 그 아래의 시뮬레이션은  움직이는 물체 모델  을 사용하여 실험실에서 수행한 것처럼 차례로 웨이브를 생성하는 움직이는 플런저를 생성합니다. 각 시뮬레이션에 대해 속이 빈 구조의 압력 플롯이 표시됩니다. 결국 그 압력에 기초하여 터빈이 회전 운동으로 설정되기 때문에 챔버에서 얼마나 많은 압력이 생성되는지 아는 것이 중요합니다.

사례 연구

eadership-in-energy-and-environmental-design

Architects Achieve LEED Certification in Sustainable Buildings

LEED (Leadership in Energy and Environmental Design)는 제 3자가 친환경 건축물 인증을 제공하는 자발적 인증 시스템입니다.

FLOW-3D는 보고타(콜롬비아)의 사무실 건물에서 “IEQ-Credit2–환기 증가”라는 신뢰를 얻는 데 큰 도움을 주었습니다. 이러한 인정을 받기 위해서는 실외 공기가 ASHRAE의 표준 비율인 30%를 초과한다는 것을 증명해야만 합니다. 이 건물에서 실외 공기는 태양 광선에 의해, 가열되는 지붕 위의 2개의 유리 굴뚝에 의해 발생되는 온도 차이에 의해 발생하는 열 부력의 영향으로 제공됩니다. 이것은 바람이 불지 않는 조건에서 이루어져야 합니다.

Comparing HVAC System Designs

최근 프로젝트에서 Tecsult의 HVAC(난방, 냉방 및 환기)시스템 엔지니어는 강력한 에어컨 시스템의 두 가지 다른 구성을 고려해야 했고 노동자들에게 어떤 것이 가장 쾌적함을 제공하는지 보여주기를 원했습니다. FLOW-3D는 대체 설계를 시뮬레이션하고 비교하는 데 사용되었습니다.

이 발전소는 대형(길이 90m, 너비 33m, 높이 26m)건물로 변압기, 전력선, 조명 등 열 발생 장비를 갖추고 있습니다. 에어컨 시스템의 목적은 건물 내 최대 온도를 35ºC로 제한하는 것입니다. 디퓨저가 하부 레벨에 위치하고 천장 근처의 환기구가 있기 때문에 천장 근처에서 최대 공기 온도가 발생하고 바닥 레벨은 반드시 몇도 더 낮습니다.

Modeling velocity of debris types

Debris Transport in a Nuclear Reactor Containment Building

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

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

Evaluation of the Wind Effects on the Iron-Ore Stock Pile

Evaluation of the Wind Effects on the Iron-Ore Stock Pile

바람이 개방형 골재 저장소에 미치는 영향은 전 세계적으로 환경 문제가 되고 있습니다. 2.7km철골 저장소 부지에서 이런 문제가 관찰되었습니다. 이 시설은 철도 운송차량를 통해 광석을 공급받는데, 이 운송차량은 자동 덤프에 의해 비워집니다. 그런 다음 이 광석은 일련의 컨베이어와 이송 지점을 통과하여 저장 장소중 하나로 운송됩니다. 비산먼지 배출은 풍력이 비축된량에 미치는 영향의 결과로 관찰된 결과입니다.

(a) Moving Reference Frame

Study on Swirl and Cross Flow of 3D-Printed Rotational Mixing Vane in 2×3 Subchannel

A thesis/dissertationsubmitted to the Graduate School of UNISTin partial fulfillment of therequirements for the degree ofMaster of ScienceHaneol Park07/09/2019Approved by_________________________AdvisorIn ...
더 보기
Figure 8 Evaluation test of thermal sprayed coatings

Development of Advanced Materials and Manufacturing Technologies for High-efficiency Gas Turbines

고효율 가스 터빈용 신소재 및 제조 기술 개발 Mitsubishi Heavy Industries Technical Review Vol. 52 No. 4 (December 2015) 가스 ...
더 보기
Figure 2. Diagram. Schematic design of a living snow fence. Source: Wyatt et al., 2012b

Design of Living Barriers to Reduce the Impacts of Snowdrifts on Illinois Freeways

눈사태가 일리노이 고속도로에 미치는 영향을 줄이기 위한 생활장벽 설계 John Petrie, et al. (2020) 일리노이 교통 센터 시리즈 번호 20-019, 연구 ...
더 보기
aerospace-sloshing-simulation

Aerospace Sloshing Dynamics

Sloshing Dynamics 우주선의 연료 탱크에서 추진체의 움직임에 대한 지식은 작동 및 성능의 다양한 측면을 이해하는 데 필수적입니다. 추진체 운동은 액체 ...
더 보기
Evaluation of the Wind Effects on the Iron-Ore Stock Pile

Energy

Energy 전 세계 에너지 부문의 엔지니어는 전산 유체 역학(CFD)을 통해 해결책을 찾기 위해 광범위한 프로세스에서 매일 복잡한 설계 문제에 직면합니다 ...
더 보기
유압 헤드 계산에서는 유선이 평행하다고 가정

FLOW-3D Output variables(출력 변수)

Output variables(출력 변수) FLOW-3D에서 주어진 시뮬레이션의 정확한 출력은 어떤 물리적 모델, 출력 위젯에 정의된 추가 출력 및 특정 구성 요소별 ...
더 보기

연료 탱크 슬로싱

시뮬레이션 사례 설명 이 예는 제트 전투기 연료 탱크 내 연료 슬로싱을 나타냅니다. 이 시뮬레이션을 통해 엔지니어는 탱크 내 연료 ...
더 보기
2 Fluid, 1 Temperature

2 Fluid, 2 Temperature 모델

2 Fluid, 2 Temperature 모델 우주선 및 자동차 연료 탱크 및 특정 미세 유체 장치는 안전하고 효율적인 작동을 위해 정확한 ...
더 보기

자유 표면 모델링 방법

본 자료는 국내 사용자들의 편의를 위해 원문 번역을 해서 제공하기 때문에 일부 오역이 있을 수 있어서 원문과 함께 수록합니다. 자료를 ...
더 보기

Oil & Gas Separators

Oil & Gas Separators FLOW-3D는 오일 및 물과 같은 혼합 불가능한 유체를 모델링할 수 있으며, 개방된 환경(주변 공기)에 관련된 구성 ...
더 보기
유압 헤드 계산에서는 유선이 평행하다고 가정

FLOW-3D Output variables(출력 변수)

Output variables(출력 변수)

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

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

Distance Traveled by Fluid(유체로 이동 한 거리)

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

 노트

추가 출력 섹션은 출력 위젯의 모든 탭에서 사용할 수 있습니다.

유체 도착 시간

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

 노트

이 출력 옵션은 1 유체 자유 표면 흐름에만 사용할 수 있습니다.

유체 체류 시간

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

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

여기에서 t는 시간이며 u는 유체 속도입니다.

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

의 값은 항상 second order체계를 가진 데이터로부터 근사치를 구합니다.

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

 노트

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

Wall Contact Time

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

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

 추가 정보

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

 노트

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

2. 형상 데이터
2. 형상 데이터

Component wetted are

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

구성 요소의 힘과 토크

Forces

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

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

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

Torques

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

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

 노트

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

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

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

  1. Advanced

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

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

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

여기에서:

:  소용돌이 벡터의 다른 구성 요소

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

Hydraulic Data and Total Hydraulic Head 3D

Hydraulic Data

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

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

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

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

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

식으로 계산됩니다.

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

특정 유압 헤드 

및 총 유압 헤드

변수는 다음에서 계산됩니다.  

 노트

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

Total Hydraulic Head 3D(총 유압 헤드 3D)

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

 노트

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

Flux-averaged hydraulic head

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

Flux-averaged hydraulic head
Flux-averaged hydraulic head

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

유압 헤드 계산에서는 유선이 평행하다고 가정




유압 헤드 계산에서는 유선이 평행하다고 가정

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

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

히스토리 프로브 출력

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

플럭스 표면 출력

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

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

 노트

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

샘플링 볼륨 출력

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

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

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

레이놀즈 수

본 자료는 국내 사용자들의 편의를 위해 원문 번역을 해서 제공하기 때문에 일부 오역이 있을 수 있어서 원문과 함께 수록합니다. 자료를 이용하실 때 참고하시기 바랍니다.

Reynolds Number

레이놀즈 수

주어진 수치 방법에 의해 정확하게 계산 될 수 있는 유동에 대해서 가장 높고, 가장 낮은 레이놀즈 수 무엇입니까? 이 질문은 다양한 답과 그리고 가장 기술적인 문제들로서 주어진 답을 포함하는 가정들로부터 다양한 답을 가지고 있습니다.

본 목적을 위해, 레이놀즈 수는 R = R LU / ν로 정의되며, 여기서 L과 U는 유동 특성 길이 및 스케일이고, ν는 유체의 동점도(kinematic viscosity )입니다. 즉 물체의 관성이 점성에 비해서 얼마나 큰가를 나타내는 척도로 이 레이놀즈 수가 작을수록 층류(유체의 유선이 유지되면서 흐르는 유동)가, 클수록 난류가 형성된다. 무 차원 레이놀즈 수가 점성의 관성 효과의 측정을 중요성을 상기시킵니다. 높은 레이놀즈 수에서의 흐름은 정성적으로 다른 행동을 나타내고, 난류 될 수 있습니다.

일반적으로 고려해야 할 가장 중요한 한계는 높은 레이놀즈 수입니다. 이것은 층류가 난류로의 분해 또는 경계층이 표면에서 분리되는 위치에 따라 달라지는 몸체의 양력 및 항력을 예측하는 데 계산이 사용될 수 있는 한계입니다. 유동에 대한 점성 응력의 상대적 효과를 정확하게 시뮬레이션 하는 것이 중요한 이러한 또는 다른 유형의 유동 프로세스에서는 계산에서 어떤 수준의 정확도를 기대할 수 있는지에 대한 아이디어를 갖는 것이 유용합니다.

일반적으로 고려해야 할 가장 중요한 한계는 높은 레이놀즈 수입니다. 이것은 층류에서 난류로 붕괴되는 것을 예측하곤 하는 계산의 한계치이며, 유동의 경계층이 그 표면에서부터 박리되는 곳에서의 물체의 양력과 항력을 예측하는 한계치이기도 합니다. 유동의 다양한 유형에서 유동의 점성 응력의 상대적 효과를 정확하게 시뮬레이션하는 것은 중요하며, 계산상 예측되는 정확도의 수준에 대한 어떤 아이디어를 확보하는 것 또한 매우 유용할 것입니다.

높은 레이놀즈 수 제한 – 물리적 인수

흐름을 정확하게 표현하는데 필요한 계산 요구 사항 (즉, 해상도)을 추정하기 위해 간단한 물리적 인수를 사용할 수 있습니다. 이 주장은 흐름 영역이 작은 요소로 세분화 될 때 요소 내의 모든 흐름량이 천천히 변한다는 가정을 기반으로 합니다. 이 가정은 각 요소의 평균 수량 값이 요소 내의 실제 값에 대한 좋은 근사치라는 의미를 전달합니다.

요소 내에서 느리게 변하는 속도를 가지려면 요소 크기의 척도에서 흐름의 레이놀즈 수가 작아야 합니다 (예 : 1 차 Rd = dx · du / ν ≤ 1.0). 이 표현에서 dx와 du는 요소의 길이와 속도 스케일입니다. 이 물리적 요구 사항, 요소의 흐름의 부드러움 (즉, 낮은 레이놀즈 수, 이 척도의 층류 흐름)은 정확한 수치 분해능에 필요한 요소의 크기를 정의하는데 사용될 수 있습니다.

위의 부등식은 L = Ndx 및 U = Ndu 관계에 의해 거시적 레이놀즈 수로 변환 될 수 있으며, 이는 R ≤ N 2로 이어집니다 . 즉, 개별 요소의 규모에 대한 부드러운 흐름의 물리적 정확도 요구 사항은 정확도로 계산할 수 있는 최대 레이놀즈 넘버원이 NN 2 정도라는 것을 의미합니다. 여기서 N은 특성을 해결하는 데 사용되는 요소의 수입니다. 길이 L.

대표적인 응용에서 N은 종종10 내지 20의 범위에 있는 수로서 매우 큰 수 아닙니다. 그리고 이는 단지 약400 의 정확한 계산을 위해 최대 레이놀즈 수로 변환합니다. 이 결과에 대해 해석을 달기 전에 정확한 레이놀즈 수 계산을 위한 추정을 위해서 다른 접근 방법을 시도하는 유익합니다.

High Reynolds Number Limit – A Numerical Argument

수치 근사에 의해서 계산 도입된 viscous-like smoothing의 양은 truncation error로부터 평가 될 수 있습니다. 알다시피 아이디어는 요소 크기 (그리고 적정한 시간 간격 크기) 멱함수을 미분 근사하는 테일러 급수 전개를 하는 것입니다. 물론, 일관성 있는 근사는 원래 근사환 된 편미분 방정식의 가장 낮은 차수를 이용하는 것입니다.

다음으로 높은 차수는 보통 확산 (즉, 2차 차수 공간 미분형태) 항입니다. 점성 계수와 더불어 이러한 항의 계수 비교는 점성 효과를 더 정확하게 계산 할 수 없을 때의 추정치를 제공합니다.

1차 수치 근사 (예를 들어 대류에 대한donor cell 또는upwind technique )에 대해서 정확도를 위해서 1보다 적어야만 하는 항들의 비는 다음의 판별식을 유도하게 됩니다( R ≤ 2N.) 그리고 2차 수치 근사의 결과, R ≤ N얻어지고 물리적인 인자(Physical Argument)로부터 같은 결과가 얻어 집니다.

이러한 관계의 우변을 곱하는 작은 숫자 요소가 사용되며, 이는 사용 된 특정 수치 근사에 따라 달라 지지만 N에 대한 기본 종속성은 변경되지 않습니다. 모든 2 차 방법이 1 차 방법보다 분명히 훨씬 낫지 만 결과는 고무적이지 않습니다. 정확하게 계산할 수 있는 최대 레이놀즈 수는 N을 늘리지 않는 한 매우 제한적인 것으로 보입니다. 이는 매우 큰 그리드를 처리한다는 의미입니다.

하이 레이놀즈 수에 대한 일반적인 의견

이러한 평가들은 첫 발생 시에는 실망스런 부분도 있으나 종종 완화되는 상황으로 전개됩니다. 무엇보다도 중용한 것은 대부분의 문제들은 점성 응력에 대한 정확한 처리를 요구하지 않습니다. 이러한 문제에 대해서 높은 레이놀즈 수의 상한은 점성 효과가 중요하지 않다는 것을 의도한 의미를 갖습니다.

어떤 유동이 난류에 의해 운동량 혼합이 이루워진 fully turbulent 되기 위해 충분히 높은 레이놀즈 수를 가질 때, 종종 잘 분류될 수 있는 scale을 가진 영역 내에서 100 미만의 유효한 레이놀즈 수의 평균 유동으로 진행되곤 합니다. 물론, 이것은 난류를 기술할 수 있는 적당한 난류 모델이 사용되고 있다는 것을 가정합니다.

마지막으로 점성 효과의 정확한 정보에 따라 일부 유동 특성을 가질 필요가 있을 때 인위적인 의미의 효과를 유도하는 것이 가능 할 수 있습니다. 예를 들어, 풍동 trip wire는 종종 레이놀즈 수 상사성( similarity )의 부족을 고려하여 trigger 유동의 박리에 사용되곤 합니다. 비슷한 처리가 풍동의 수치 시뮬레이션에 추가 될 수 있습니다.

결론은 CFD 방법을 사용하여 높은 레이놀즈 수 흐름을 계산하는 데 사용할 수 있지만 수치해석상의 전산 오차가 물리적인 효과를 압도 할 수 있는 상황에 대한 경고는 해당 난류 모델에 달려있다고 말할 수 있습니다.

낮은 레이놀즈 수 제한

낮은 레이놀즈 수에서 한계는 정밀도의 한계가 아니라 계산을 완료하는데 필요한 계산 시간을 기준으로 한계입니다.  점성 응력 항에 explicit 수치 근사를 사용하면 숫자의 안정성을 유지하기 위해 시간 단계의 크기에 한계가 있습니다.  이 한계는 본질적으로 점성으로 인한 운동량의 변화는 하나의 시간 단계에서 대략 1 개의 요소를 넘어 전파하는 것은 아니라는 것을 보여줍니다.  단순한 2 차원의 경우에는 이 한계는 νdt ≤ dx2/4입니다.

이것은 T = Mdt 및 TU = L이라는 대응을 작성하여 레이놀즈 수를 포함하는 식으로 변형 할 수 있습니다.  즉, 흐름의 특성 시간은 속도 U의 유체가 거리 L을 이동하는 시간이며, 시간 T를 분해 시간 단계의 수는 M입니다.  이러한 관계식에 의해 안정된 조건은 M = 4N2/R 입니다.

이 결과에서 중요한 것은 M이 R에 반비례하여 증가하는 것입니다.  레이놀즈 수가 매우 작은 흐름의 경우 explicit 수치 법에는 매우 많은 시간 단계가 필요할 수 있으며,이 숫자는 해상도의 상승에 따라 급속히 증가하고 있습니다.  낮은 레이놀즈 수의 한계를 가장 효과적으로 제거하는 방법은 implicit 수치 법을 사용하여 점성 응력을 평가하는 것입니다.


Reynolds Number

What are the highest and lowest Reynolds number flows that can be accurately computed by a given numerical method? This question has a variety of answers, and, as with most technical issues, the variety of answers arises from the assumptions involved in giving the answer.

For present purposes, the Reynolds number R is defined as R=LU/ν, where L and U are characteristic length and velocity scales for a flow, and ν is the kinematic viscosity of the fluid. It will be recalled that the non dimensional Reynolds number is a measure of the importance of inertia to viscosity effects. At high Reynolds numbers a flow may become turbulent, exhibiting qualitatively different behavior.

Generally, the most important limit to consider is that of high Reynolds numbers. This is the limit where computations might be used to predict the breakdown of a laminar flow into turbulence, or the lift and drag of a body that is dependent on where boundary layers separate from its surface. In these or other types of flow processes in which it is critical to correctly simulate the relative effect of viscous stresses on the flow, it is useful to have some idea of what level of accuracy can be expected in a computation.

The reason that a Reynolds number limitation exists in computational fluid dynamics CFD) is that the computational stability of most CFD methods relies on some type of numerical smoothing or homogenizing within the computational elements. Since viscosity is a physical mechanism for smoothing flow variations, there can be a problem differentiating between numerical and physical smoothing. This is especially important when critical Reynolds number situations are encountered, because they require an especially accurate estimate of viscous stresses.

High Reynolds Number Limit – A Physical Argument

A simple physical argument can be used to estimate the computational requirements (i.e., resolution) needed to achieve an accurate representation of a flow. The argument is based on the assumption that when a flow region is subdivided into small elements all flow quantities within an element are slowly varying. This assumption carries the implication that the average values of quantities in each element are good approximations for the actual values within the element.

To have a slowly varying velocity within an element, the Reynolds number of the flow on scales of the element size must be small, say of order one, Rd=dx·du/ν ≤ 1.0. In this expression dx and du are length and velocity scales characteristic of the element. This physical requirement, the smoothness of the flow in elements (i.e., a low Reynolds number, laminar flow on this scale), may be used to define the size of elements needed for an accurate numerical resolution.

The above inequality can be converted to a macroscopic Reynolds number by the relations, L=Ndx and U=Ndu, which leads to R ≤ N2. In other words, the physical accuracy requirement of a smooth flow on the scale of individual elements implies that the maximum Reynolds number one can expect to compute with accuracy is on the order of NN2 where N is the number of elements used to resolve a characteristic length L.

In typical applications, N is often in the range of 10 to 20, which translates to a maximum Reynolds number for accurate computations of only about 400, not a very large number! Before commenting on this result it is instructive to try a different approach for estimating the limit for accurate Reynolds number computations.

High Reynolds Number Limit – A Numerical Argument

The amount of viscous-like smoothing introduced into a computation by numerical approximations can be estimated from truncation errors. The idea is to do a Taylor Series expansion on the difference approximations in powers of the element size (and time-step size if that is appropriate). Of course, a consistent approximation should have as its lowest order terms the partial differential equation that was originally being approximated.

At the next higher order there are usually terms that have the character of a diffusion (i.e., second-order space derivatives). A comparison of the coefficients of these terms with the coefficient of viscosity gives an estimate of when viscous effects would no longer be computed accurately.

For a first-order numerical approximation (e.g., a donor cell or upwind technique for advection) the ratio of terms, which must be less than one for accuracy, leads to the criteria R ≤ 2N. With a second-order approximation the result is R ≤ N2, the same result obtained from the “Physical Argument.”

There are small numerical factors multiplying the right-hand sides of these relations, which depend on the specific numerical approximations used, but the basic dependencies on N remain unchanged. Any second-order method is clearly much better than a first-order method, but the results are not encouraging. The maximum Reynolds number that can be computed accurately appears to be quite limited, unless one is willing to increase N, which means dealing with extremely large grids.

General Comments on High Reynolds Numbers

These estimates are discouraging when first encountered, but there are frequently mitigating circumstances. Foremost is the realization that most problems do not require an accurate treatment of viscous stresses. For these problems the high Reynolds number limit has the intended meaning that viscous effects are not important.

When flows have a high enough Reynolds number to be fully turbulent the momentum mixing induced by the turbulence often leads to a mean flow with an effective Reynolds number that is less than 100, well within the range of resolvable scales. Of course, this assumes that a suitable turbulence model is available to describe the turbulence.

Finally, when it is necessary to have some flow property that depends on an accurate knowledge of viscous effects, it may be possible to induce that effect by artificial means. For example, in wind tunnels trip wires are sometimes used to trigger flow separations to account for a lack of Reynolds number similarity. A similar treatment can be added to a numerical simulation of a wind tunnel.

The bottom line is, CFD methods can be used to compute high Reynolds number flows, but it is up to the modeler to be alert for situations where numerical errors could overshadow physical effects.

Low Reynolds Number Limit

At low Reynolds numbers the limit is not one of accuracy but a limit based on the computational time necessary to complete a computation. When explicit numerical approximations are used for viscous stress terms there is a limit on the size of the time step to maintain numerical stability. That limit is essentially a statement that momentum changes caused by viscosity do not propagate more than about one element in one time step. In a simple two-dimensional case this limit is νdt ≤ dx2/4.

This can be transformed into an expression involving the Reynolds number by making the correspondences: T=Mdt and TU=L. That is, the characteristic time for a flow is the time for fluid at velocity U to move a distance L, and the number of time steps resolving time T is M. With these relations the stability condition is then, M = 4N2/R.

The importance of this result is that M increases inversely with R. For very low Reynolds number flows, explicit numerical methods may require a very large number of time steps, and this number increases rapidly with an increase in resolution. The low Reynolds number limit is best eliminated by employing an implicit numerical method for evaluating viscous stresses.

Figure 1. Alaska requires minimum water depth for fish passage to be 2.5 times the height of the caudal fin (D) (Hotchkiss and Frei 2007).

EFECTS OF HYDRAULIC STRUCTURES ON FISH PASSAGE: AN EVALUATION OF 2D VS 3D HYDRAULIC ANALYSIS METHODS

물고기 통로 유압 구조효과 :2D VS 3D 유압 분석 방법의 평가

ABSTRACT

채널 스패닝 유압 구조물은 상류 물고기 이동에 대한 장벽 역할을 할 수 있습니다. 이러한 종단 적 서식지 연결의 중단과 관련된 부정적인 결과는 정확하고 실행 가능한 평가 기술의 필요성을 강조합니다.

3 차원 평가 방법은 인스트림 구조에서 복잡한 흐름을 해결하고 물고기 움직임을 정확하게 예측하는 것으로 나타났습니다. 그러나 3 차원 모델링은 시간과 리소스 요구 사항으로 인해 비실용적 일 수 있습니다.

이 연구는 2 차원 전산 유체 역학 모델과 통계 분석을 사용하여 콜로라도 주 리옹에있는 화이트 워터 공원 구조의 수력 조건을 설명하는 것을 조사합니다. 물고기의 움직임 관찰은 잠재적 인 수영 경로를 나타내는 공간적으로 명시적이고 연속적인 경로를 따라 결과 수력 변수와 쌍을 이룹니다.

로지스틱 회귀 분석은 흐름 깊이와 속도가 어류 통과와 밀접한 관련이 있음을 나타냅니다. 결합 된 깊이 및 속도 변수무지개 송어 (92 %를 정확하게 예측Oncorhynchus mykiss) 및 갈색 송어 (Salmo trutta)는 이 유압 구조에서) 움직임 관찰을 합니다.

이 연구의 결과는 2 차원 분석 방법이 3 차원 분석이 불가능한 경우 유사한 수력 학적 구조가 어류 통과에 미치는 영향을 평가하는 비용 효율적인 접근 방식을 제공할 수 있음을 시사합니다. 또한,이 연구의 결론은 비교적 낮은 수영 성능을 가진 송어와 물고기 모두에 대한 관리 및 설계 결정을 안내하는 데 사용할 수 있습니다.

서문

수력 구조물은 수생 생물의 종 방향 서식지 연결을 의도적으로든 우연히든 효과적으로 차단할 수 있습니다. 의도적 장벽은 일반적으로 침입성 종의 도입 또는 교잡을 방지하기 위해 관리자에 의해 배치됩니다 (Holthe et al. 2005; Fausch et al. 2006). 그러나 구조물을 설계하고 설치할 때 물고기 통행 촉진을 고려하지 않았기 때문에 장벽이 더 자주 생성됩니다. 따라서 인위적 장애로 인해 전 세계 수로가 분열되었습니다 (Williams et al. 2012). 철새 어종의 성공적인 수명주기를 위해서는 종단 서식지 연결이 필수적입니다 (Schlosser and Angermeier 1995). 상류 이동에 대한 지연 또는 종료는 인구에 부정적인 영향을 미치고 생태계 기능을 방해 할 수 있습니다 (Beechie et al. 2010). 

수로를 가로 지르는 수력 구조물은 어류 통행에 미치는 영향을 철저히 평가하지 않고 하천과 강에 계속 배치됩니다 (Cada 1998; Noonan et al. 2012). 그러나 강 조각화와 관련된 문제에 대한 인식이 높아짐에 따라 설계 프로세스 전반에 걸쳐 물고기 통과 문제가 해결되는 방식에서 패러다임 전환이 일어나고 있습니다 (Katopodis and Williams 2012). 비 연어 종은 경제적 가치가 높은 종을 선호하는 경우가 많지만, 칼륨 종의 상류 이동 요구가 점점 더 중요하게 고려되고 있습니다 (Santos et al. 2012; Silva et al 2012) (Katopodis 2005; Roscoe and Hinch 2010). . 천연 자원 관리자는 제안 된 수력 구조물에 대해 의견을 제시하고 허용하도록 자주 요청받으며 (Kondratieff 2015),이 검토 과정에서 엔지니어와 과학자는 설계에 대한 예상 어류 통과 성능에 대한 모델 기반 증거를 제공하도록 요청받을 수 있습니다. 어류 통행과 관련하여 기존의 수력 구조물을 평가하고 우선 순위를 정하는 여러 방법이 현재 사용 가능하지만 (Kemp et al. 2010), 이전에 이 중요한 지점에서 제안된 구조물의 통행 효율성을 평가할 수있는 정확하고 실행 가능한 승인 및 설치 도구가 필요합니다.  

이러한 요구를 해결하는 데 초점을 맞춘 이전 작업은 3D 수력 모델링 기술이 상류 어류 이동을 평가할 목적으로 채널 스패닝 구조의 복잡한 유체 역학을 적절하게 해결할 수 있음을 보여주었습니다 (Stephens 2014).

이러한 새로운 3D 분석 방법은 전체 예측 정확도가 80 % 이상 (Stephens 2014)으로 매우 효과적 일 수 있지만 3D CFD (전산 유체 역학) 모델을 개발하는 데는 시간과 리소스가 많이 사용됩니다.

추가 데이터 수집, 소프트웨어 라이선스, 모델링 전문 지식 등에 대한 필요성은 많은 하천 관리 결정에 3D 분석을 비실용적으로 만들 수 있습니다. 다양한 2D 모델 플랫폼이 홍수 배출을 추정하고 (Horritt and Bates 2002; Merwade et al. 2008) 인스 트림 평가에 광범위하게 사용 되었기 때문에 실무 엔지니어와 과학자는 대부분의 수력 구조물 프로젝트에서 2D 수력 모델링을 수행 할 가능성이 더 높습니다.

물고기 서식지 (Clark et al. 2008; Katopodis 2012). 2D 및 3D 유압 모델의 실제 비교가보고되었지만 (Lane et al. 1999; Shen and Diplas 2008; Kolden 2013), 어류 통과에 대한 2D 및 3D 모델 기반 평가의 효능을 조사한 연구는 현재에서 발견되지 않았습니다.

목표

천연 자원 관리자와 설계 엔지니어가 Stephens (2014)의 매우 효과적인 3D 방법에 더 쉽게 접근 할 수 있도록하기 위해이 연구는 자유롭게 사용할 수있는 산업 표준 2D CFD 모델 인 River2D (Steffler and Blackburn 2002)를 사용하여 타당성을 조사합니다. 수력 구조가 어류 통로에 미치는 영향을 평가합니다.

유사한 접근 방식을 기반으로하고 이전의 수력 학 및 어류 이동 데이터 세트 (Fox 2013, Kolden 2013, Stephens 2014)를 사용하여 이 2 개의 연구는 2D 분석 방법을 사용하여 St. Vrain River의 WWP (화이트 워터 파크) 구조를 평가합니다. Lyons, CO.이 연구의 구체적인 목표는 다음과 같습니다. 

1. WWP 구조에서 복잡한 유압 환경을 설명하는 2D CFD 모델을 개발합니다. 

2.이 2D CFD 모델의 결과를 사용하여 WWP 구조를 통해 잠재적 인 물고기 이동 경로를 따라 연속적이고 공간적으로 명시적인 수력 학적 설명을 생성합니다. 

3. 무지개 송어 (대해 사용 가능한 어류 이동 데이터와 가장 밀접하게 관련된 수리적 변수를 결정Oncorhynchus mykiss) 및 갈색 송어 (Salmo trutta)에합니다. 

4. 이전에 개발 된 3D 접근 방식 (Stephens 2014)의 PIT (Passive Integrated Transponder) 태그 연구의 움직임 데이터를 기반으로 한 예측 평가 능력을이 연구의 2D 접근 방식과 비교합니다. 

5. 어류 통행의 관점에서 수력 구조물에 대한 비용 효율적인 평가를 통해 천연 자원 관리자 및 설계자를 지원하기위한 권장 사항을 제공합니다.

배경

상류 어류 이동에 대한 장벽은 유속 깊이, 유속 또는 유속과 거리의 조합을 포함한 다양한 물리적 조건에 의해 생성 될 수 있습니다 (Coffman 2005; Cahoon et al. 2005). 깊이 장벽은 일반적으로 흐름 깊이가 너무 얕아 통과 시도를 허용하지 않을 때 생성됩니다.

깊이 장벽은 또한 자리 잡은 구조물의 낙하 높이 및 플런지 풀 깊이가 도약 제약으로 인해 통과를 허용하지 않을 때 존재할 수 있습니다. 유속이 구조물을 통과하려는 물고기의 수영 능력을 초과 할 때 속도 장벽이 생성되어 상류 진행을 방해합니다. 수력 구조물에 의해 생성 된 난류는 물고기의 통과에도 역할을 할 수 있습니다. 조건에 따라 난류는 물고기 수영에 긍정적 인 영향과 부정적인 영향을 모두 미칠 수 있습니다 (Liao 2007; Cotel and Webb 2012; Lacey et al. 2012).  

수영 성능 지표는 종종 기존의 수력 학적 구조가 물고기 통행의 장벽으로 작용하는지 여부를 평가하는 데 사용됩니다. 이러한 메트릭 중 가장 일반적인 것은 달리기 속도라고도 하는 버스트 수영 속도와 지구력 곡선입니다 (Castro-Santos et al. 2013).

물고기는 지속, 연장, 파열의 세 가지 수영 모드를 나타냅니다 (Peake et al. 1997). 지속적인 수영은 이론적으로 무한정 유지 될 수 있지만 장시간 및 버스트 수영 속도는 제한된 시간 동안만 유지 될 수 있습니다.

지구력 곡선은 세 가지 수영 모드 (Videler and Wardle 1991)에 걸쳐 연속적으로 수영 속도와 피로 시간 사이의 역 관계를 설명하여 생성됩니다. 버스트 수영 속도는 속도 장벽을 식별 할 때 유용하며 (Haro et al. 2004) 지구력 곡선은 잠재적 인 완전 장벽을 식별하는 데 도움이됩니다 (Castro-Santos et al. 2013). 현재 물고기 수영 성능과 난류 임계 값 또는 분포 사이의 물리적 관계는 잘 알려져 있지 않습니다 (Liao 2007).

그러나 총 운동 에너지 (TKE), 총 수력 변형, 레이놀즈 전단 응력 및 와도와 같은 일부 프록시 변수는 난류가 어류에 미치는 영향을 정량화 할 때 유용한 것으로 나타났습니다 (Nestler et al. 2008; Cotel and Webb 2012; Lacey et al. 2012; Silva et al. 2012). 

장벽은 완전 할 수 있으며, 물고기 통행을 허용하지 않거나 선택적 통행 성공이 생리적 또는 수리적 특성에 따라 결정되는 경우 부분적 일 수 있습니다. 이 연구의 목적을 위해 총 시도 횟수에 대한 성공적인 통과 횟수를 기반으로 한 인구 수준의 통과 효율을 사용하여 유압 구조로 인한 상류 이동 억제 정도를 정량화합니다 (Haro et al. 2004). 다양한 방법 개발되었습니다. 

장벽이 물고기 통로 (켐프와 O’Hanley 2010)에 영향을 미치는 방법을 정량화하기 위해  한 가지 접근 방식은 통계 모델을 사용하여 통과 효율 추정치를 0 ~ 100 %의 연속 척도로 표현할 수 있습니다. 과거에는 규칙 기반 또는 회귀 기법을 사용하여 암거 (Coffman 2005; Burford et al. 2009), 도로 횡단 (Warren and Pardew 1998) 또는 수로 실험 설정 (Haro et al. 2004)을 다양한 성공으로 평가했습니다.

통계적 방법은 다양한 척도에서 수리적 변수에 대한 정보를 결합하여 통과에 큰 영향을 미치는 변수를 식별 할 수 있습니다 (Kemp and O’Hanley 2010). 이러한 모델은 현장 기반 어류 이동 관찰을 사용하여 검증 할 수도 있습니다 (Coffman 2005; Burford 2009).

2014 년에 Stephens는 3D CFD 모델 출력 (Kolden 2013)을 활용하여 수력 구조물에서 물고기 통과를 평가하기위한 연속적이고 공간적으로 명시적인 분석 방법을 만드는 새로운 통계 방법을 개발했습니다. 이 방법은 콜로라도에있는 3 개의 파도 생성, 인공 화이트 워터 파크 (WWP) 구조물에서 수집 한 수력 측정 및 PIT 태그 통과 관찰 (Fox 2013)을 통해 검증되었습니다. 통계 결과에 따르면 Stephens (2014) 방법은 전체 정확도가 80 % 이상인 통과 효율을 예측할 수 있습니다. 

Stephens는 3D CFD 모델의 결과를 사용했지만 다른 연구에서는 2D CFD 모델을 사용하여 물고기와 관련된 규모의 복잡한 흐름을 설명하는 데 초점을 맞추 었습니다 (Lane et al. 1999; Crowder and Diplas 2000; Shen and Diplas 2008). 2D CFD 모델링의 주요 관심사는 물고기 서식지 및 수영 성능에 중요한 중간 규모 기능과 관련된 복잡성을 포착 할 수 있는지 여부였습니다 (Crowder and Diplas 2000).

혼합된 결과는 서식지 평가를 위해 모델링되는 도달 범위의 특성에 따라 2D CFD 모델이 수력 조건에 대한 적절한 설명을 제공하거나 제공하지 않을 수 있음을 보여줍니다 (Clark et al. 2008; Shen and Diplas 2008; Kozarek et al. 2010) . 서식지 또는 지형 모델링에 중점을 두는 경우 깊이 평균 2D 모델과 직접 비교할 때 3D 모델 사용이 선호되었습니다 (Lane et al. 1999; Shen and Diplas 2008). 그러나 수력 구조물에서 상류 어류의 움직임을 평가할 때 2D 및 3D 모델의 성능을 비교 평가 한 연구는 거의 없습니다. 

이 연구에서 CFD 모델의 비교는 2D 소프트웨어 River2D와 3D 소프트웨어 FLOW-3D에 중점을 둡니다 (Flow Science, 2009). 2D 모델과 3D 모델의 가장 큰 차이점은 2D 모델은 각 계산 노드에서 유압 변수의 값을 깊이 평균한다는 것입니다. 이 깊이 평균은 구조물의 물고기 친화성에 큰 영향을 미칠 수있는 중요한 흐름 특징과 경계층 효과를 배제 할 수있는 잠재력을 가지고 있습니다.

예를 들어, 수심 평균 속도 값은 WWP 구조 하류의 수력 조건이 동일한 도달 범위 내의 자연 풀에있는 것과 유사하다고 잘못 제안 할 수 있습니다. 실제로 두 유동장은 어류 개체군에 다르게 영향을 미칠 수있는 고유 한 특성을 가지고 있습니다 (Kolden 2013). River2D는 또한 정수압과 일정한 수평 속도 분포를 가정하는 반면 FLOW-3D는 이러한 가정을 피할 수 있습니다.

대부분의 2D CFD 모델링 프로그램 (Toombes and Chanson 2011)에서 요구하는 정수압 가정은 가파른 경사 (> 10 %)와 급변하는 경사 (Steffler and Blackburn 2002)에서 계산 정확도를 제한합니다. 속도 분포가 일정하다는 가정은 수직 속도 구성 요소가 무시할 수 있음을 의미하며 본질적으로 2D CFD 모델을 사용하여 2 차 흐름 및 강한 순환을 분석하는 기능을 제거합니다 (Steffler and Blackburn 2002; Toombes and Chanson 2011).

이러한 가정과 2D 물리적 표현의 단순화 된 특성을 고려할 때 2D CFD 모델이 물고기 통과 예측 평가를 위해 채널 스패닝 구조의 복잡한 유체 역학을 적절하게 해결할 수 있는지 여부는 불분명합니다.

Figure 1. Alaska requires minimum water depth for fish passage to be 2.5 times the height of the caudal fin (D) (Hotchkiss and Frei 2007).
Figure 1. Alaska requires minimum water depth for fish passage to be 2.5 times the height of the caudal fin (D) (Hotchkiss and Frei 2007).
Figure 2. Depth (m) and velocity magnitude (m/s) River2D contours for 0.42 cms.
Figure 2. Depth (m) and velocity magnitude (m/s) River2D contours for 0.42 cms.

구체적인 내용은 아래 원문을 참고하시기 바랍니다.

Picture of scoured bed surface

EXPERIMENTAL STUDY AND NUMERICAL SIMULATION OF FLOW AND SEDIMENT TRANSPORT AROUND A SERIES OF SPUR DIKES

유동 시뮬레이션의 실험적 연구와
일련의 SPUR DIKES 주변의 침전물 수송

by
ANU ACHARYA
Copyright © Anu Acharya 2011
A Dissertation Submitted to the Faculty of the
DEPARTMENT OF CIVIL ENGINEERING AND ENGINEERING MECHANICS
In Partial Fulfillment of the Requirements
For the Degree of
DOCTOR OF PHILOSOPHY
WITH A MAJOR IN CIVIL ENGINEERING
In the Graduate College
THE UNIVERSITY OF ARIZONA

침전물 수송에 대한 집중적인 연구는 저수지 관리, 댐 운영 및 하천 내 유압 구조물 설계를 위해 하천의 총 침전물 하중을 예측하는 적절한 방정식이 필요하다는 것을 보여준다.

침전물 운송에서 사용 가능한 어떤 방정식도 총 침전물 운송 속도를 예측하는 데 보편적으로 받아들여지지 않았다. 이러한 사실들은 침전물 수송률을 예측하기 위한 이 모든 공식을 나타내기 위한 일반적인 공식의 필요성을 나타낸다.

본 논문의 첫 번째 목표는 모든 강에 대해 통합된 총 침전물 운송 방정식을 찾는 것이다. 반면, 스퍼다이크나 교각 같은 유압 구조물을 둘러싼 마찰은 구조적 안정성을 약화시키는 심각한 문제가 될 수 있다.

이러한 유압 구조 주변의 난류 흐름장 및 난류 분포에 대한 조사는 국부적 골재 메커니즘의 이해와 국부 침전물 수송에 영향을 미치는 난류 특성을 결정하기 위해 필수적이다.

또한 개방 채널의 난류 흐름의 모든 경우에 유효한 범용 난류 모델은 존재하지 않는다. 본 논문은 일련의 3대 제방 주변의 난류장과 난류 분포를 철저히 조사했다.

목표는 국부 침전물 수송 속도를 예측하기 위한 유의한 난류 특성을 결정하고 제방 주변의 난류 유역 시뮬레이션을 위한 적절한 난류 모델을 식별하는 것이다.

일반적인 통합 총 하중 방정식을 개발하기 위해, 본 연구는 총 침전물 하중을 예측하는 데 일반적으로 사용되는 31개의 공식을 평가한다. 본 연구는 서로 다른 공식에서 침대 전단 응력의 확률적 특성으로 계산된 결과의 편차를 귀인시키고 침대 전단 응력이 로그 정규 분포를 만족한다고 가정한다.

주어진 침대 전단 응력에서 몬테카를로 시뮬레이션이 각 방정식에 적용되고 일련의 침대 전단 응력이 무작위로 생성된다. 모든 방정식의 각 몬테카를로 실현에서 생성된 총 침전물 하중은 모든 방정식에서 예측된 총 침전물 하중의 표본을 나타내기 위해 조립된다. 주어진 각 침대 전단 응력에서 결과적인 총 침전물 하중(예: 표준 편차, 평균)의 통계적 특성이 계산된다.

그런 다음 모든 방정식의 평균 값을 기반으로 통일된 총 침전물 하중 방정식을 구합니다. 결과는 모든 방정식의 평균이 무차원 침대 전단 응력의 검정력 함수임을 보여주었다. 측정과 합당한 합치도는 통합 방정식이 총 침전물 하중을 예측하기 위한 어떤 개별 방정식보다 정확하다는 것을 보여준다.

일련의 스퍼다이크 주변의 흐름장 및 국소적 스컬에 대한 실험 및 수치 시뮬레이션은 고정된 평면 침대 및 스커드 침대 조건에서 수행된다. 마이크로 어쿠스틱 도플러 속도계(ADV)는 세 가지 공간 방향 모두에서 순간 속도 필드를 측정하는 데 사용되며 측정된 속도 프로파일은 난류 특성을 계산하는 데 사용됩니다.

결과는 그 지역의 골칫거리가 첫 번째 제방을 중심으로 발전한다는 것을 보여준다. 난류 강도와 플랫 베드에서 측정한 수직 방향의 평균 속도는 스칼럼 깊이와 밀접한 관련이 있다.

또한 3다이크 시리즈의 두 번째 다이크 끝에서 발생하는 최대 침대 전단 응력은 최대 스콜과 일치하지 않는다.

침대 전단 응력으로 인한 큰 침대 하중 전달은 침대 스쿠싱을 시작하지 않을 수 있지만, 난기류 폭발(예: 스위프 및 배출)은 침대 표면에서 침전물을 끌어들여 국소적 골재를 발생시킨다. 3차원 수치 모델 FLOW-3D는 평평하고 스커드 베드에서 일련의 스퍼다이크 주변의 난류 유량을 시뮬레이션하는 데 사용된다.

본 연구는 Prandtlès의 혼합 길이 모델, 하나의 방정식 모델, 표준 2- 방정식 k-e 모델, RNG(Renormalization-Group) k-e 모델 및 LES(Large Eddy Simulations) 난류 모델을 조사한다. Prandtlès의 혼합 길이 모델과 하나의 방정식 모델은 다이크 주변의 플로우 필드에 적용되지 않는다.

표준 2- 방정식 k-e 모델과 RNG k-난류 모델을 사용한 평균 흐름 필드의 결과는 실험 데이터에 가깝지만, 다른 난류 모델에서 시뮬레이션된 난류 특성은 상당한 차이를 보인다. 다른 난류 모델에서 계산된 결과는 RNG k-e 모델이 이 일련의 스퍼다이크에 대한 평균 흐름 필드를 가장 잘 예측한다는 것을 보여준다.

난류 폐쇄 모델 중 난류 운동 에너지와 같은 난류 특성의 정확한 결과를 예측할 수 있는 모델은 없다. 이러한 결과에 기초하여, 본 연구는 다이크 주변의 평균 흐름 필드를 시뮬레이션하기 위해 RNG k-e 모델을 사용할 것을 권고한다. 다양한 흐름 조건에서 이 일련의 스퍼다이크 근처의 난류 특성을 예측하기 위해 FLOW-3D 모델의 추가 개선이 필요하다.

Picture of scoured bed surface
Picture of scoured bed surface
Bed bathymetry of the developed scour hole at Q = 0.035 m3/s
Bed bathymetry of the developed scour hole at Q = 0.035 m3/s
Distribution of dimensionless mean longitudinal velocities for straight, angled dikes on flat bed and angled dikes on mobile bed at Q = 0.035 m3/s
Distribution of dimensionless mean longitudinal velocities for straight, angled dikes on flat bed and angled dikes on mobile bed at Q = 0.035 m3/s
Distribution of dimensionless mean transverse velocities for straight, angled dikes on flat bed and angled dikes on mobile bed at Q = 0.035 m3/s
Distribution of dimensionless mean transverse velocities for straight, angled dikes on flat bed and angled dikes on mobile bed at Q = 0.035 m3/s
Distribution of dimensionless mean vertical velocities for straight, angled dikes on flat bed and angled dikes on the mobile bed at Q = 0.035 m3/s
Distribution of dimensionless mean vertical velocities for straight, angled dikes on flat bed and angled dikes on the mobile bed at Q = 0.035 m3/s
Dimensionless Reynolds stresses
Dimensionless Reynolds stresses
FLOW-3D Spillway Visualization

Volume of Fluid (VOF) History

Volume of Fluid (VOF)

FLOW-3D Spillway Visualization

VOF(Volume of Fluid) 방법은 이전의 MAC(Marker-and-Cell) 방법을 기반으로 한다[1]. MAC 방법은 표식기 입자를 사용하여 유체가 고정된 오일러 그리드 내에 존재하는 위치를 찾아냈다. MAC는 자유로운 표면으로 압축할 수 없는 유체의 역학을 시뮬레이션한 최초의 연산 방법이었다. 유체를 추적하기 위한 마커 입자의 사용은 특히 3차원에서 계산적으로 비용이 많이 들고, 입자가 한 그리드 소자에서 다른 그리드 소자로 이동할 때 그리드 요소 특성(질량 등)의 변화가 이산적인 변화를 겪기 때문에 연산 노이즈를 도입한다. 마커 입자를 인터페이스 추적 체계로 대체하려는 다양한 시도가 있었지만, 유체 질량이 종종 분리되거나 결합되어 인터페이스 표면의 생성과 파괴로 이어지기 때문에 대부분 실패했다.

유체 표면 대신 유체 부피를 추적하는 유체 부피(Volume of fluid method)의 발상은 유체 변수의 부피를 사용하는 것이 관례인 2상(물과 증기) 문제에 대한 연구로부터 비롯되었다. 증기의 부피 분율은 물과 증기가 혼합된 상태에서 증기의 양을 기록하는 연속 변수다. 이 체적 개념을 불압성 유체의 자유 표면을 찾기 위해 불연속 변수에까지 확장(예: 액체와 0의 단위 값)한 것은 1975년 간행물 “다차원, 과도 자유 표면 흐름 계산을 위한 방법”[2]에서 니콜스와 허트의 “다차원, 과도 자유 표면 흐름”에서 처음 입증되었다.

계산적 의미 만들기

VOF 개념은 플로우 모델이 일반적으로 압력, 밀도, 온도 등과 같은 종속 변수를 저장하기 위해 각 그리드 요소에서 하나의 숫자 값만 사용하기 때문에 계산이 타당하다. 그렇다면 왜 요소 내의 유체 분포를 정의하기 위해 둘 이상의 변수가 필요할까? 예를 들어, 원소의 유체가 둘 이상의 blob으로 분포된 경우, 각 blob에 대해 더 많은 종속 변수가 필요할 것이다. 이런 관점에서 보면 원소의 유체량만 기록하는 것이 타당하다. 그러나 문제는 체적분율 변수의 추정 불연속적 특성이다. 오일러 그리드를 통한 불연속 유체 인터페이스의 이동을 추적하려면 더 많은 정보가 필요하다.

Making Computational Sense

이 문제는 많은 출판사에서 많은 사람들이 다루어 왔다. 제안된 거의 모든 방법은 인접한 그리드 요소의 볼륨 분율 검사에 기초한 근사치의 어떤 유형에 의존한다. 예를 들어, 1차원 흐름에서는 정확한 방법을 도출하기 쉽다. 액체와 기체를 분리하는 예리한 인터페이스를 가진 1차원 도관을 따라 액체가 흐르고 있다고 가정해 보자. 인터페이스 업스트림 그리드 요소에서, 볼륨 분율은 1과 같고, 인터페이스 다운스트림에서는 볼륨 분율은 0과 같다. 0과 1 사이의 볼륨 비율 값을 갖는 인터페이스를 포함하는 그리드 요소에서 액체는 1의 볼륨 비율을 포함하는 인접 셀에 연결된 셀의 측면에 위치해야 하기 때문에 해당 셀 내에서 인터페이스를 쉽게 찾을 수 있다. 그런 다음 인터페이스는 체적 분율의 곱에 셀의 크기를 곱한 곱에 의해 액체 이웃에 연결된 셀 가장자리로부터 다운스트림 거리에 위치한다. 이 위치는 인터페이스가 날카로운 불연속성을 유지하도록 유체를 삽입할 때 사용할 수 있다. 불행하게도, 2, 3차원에서는 그리드 요소 내에서 인터페이스를 위치시키는 간단한 방법이 존재하지 않는다.

One method proposed for advecting discontinuous fluid interfaces was presented in the 1980 Los Alamos Scientific Laboratory report, “SOLA-VOF: A Solution Algorithm for Transient Fluid Flow with Multiple Free Boundaries,” [3] by Nichols, Hirt and Hotchkiss, and in a 1981 publication, “Volume of Fluid (VOF) Method for the Dynamics of Free Boundaries,쓴 [히트와 니콜스가 쓴 [4]. 주로 경수-원자로 안전 연구를 위한 이 프로그램의 초기 적용은 [5]와 [6]에서 확인할 수 있다.

VOF Variations | VOF 변형 모델

VOF 방법의 많은 변형이 문헌에 보고되었지만, 대부분은 원본에서 사용된 방법을 따르지 않는다[4]. 특히 원래의 VOF 방식은 주변 가스가 아닌 압축 불가능한 액체에서만 유체 역학을 위한 Navier-Stokes 방정식을 해결했다. 대신에 유체가 없는 표면은 경계 조건에 의해 처리되었고 유체가 포함된 그리드 요소의 목록은 지속적으로 업데이트되었다. 원래 모델의 가스 영역은 모멘텀을 무시할 수 있는 낮은 밀도를 가지며, 공간적으로 균일한 가스 압력을 가지는 것으로 가정했다. 다른 대부분의 VOF 모델에서 사용하는 대안은 인터페이스에 경계 조건을 설정하지 않기 위해 2-유체 시뮬레이션을 사용하는 것이다. 이 옵션은 가스 역학을 위해 해결해야 하기 때문에 원래 방법보다 상당히 많은 계산 자원을 필요로 한다. 또한 대부분의 2-유체 모델은 인터페이스에서 가스와 액체 사이에 존재하는 속도 “슬립”의 가능성을 무시한다. 슬립의 존재를 무시하고 가스/액체 혼합물의 평균 속도로 인터페이스를 이동하면 심각한 오류가 발생할 수 있다.

Modeling Fluid Advection | 모델링 유체 부착

대체 VOF 방법 개발자들이 항상 높이 평가하지 않는 또 다른 점은 VOF 유체 분율 수량 F의 첨부를 위해 모델링된 방정식이다. 원래의 방법 [4]은 F에 대한 보수적인 운송 방정식을 사용했다.

∂F∂t+∇∙(Fu→)=0

부착을 위해 레벨 설정 방법을 사용하는 것과 같은 많은 대안 VOF 공식은 비보수적 전송 방정식을 사용한다.

∂F∂t+u→∙∇F=0

보수적인 방법의 장점은 변경되어서는 안 되는 유체량을 쉽게 계산하고 표시하기 때문에 시뮬레이션에서 한 번의 간단한 불압력 정밀도 검사를 제공한다는 것이다.

TruVOF 솔루션

이용 가능한 인기 있는 상용 코드 중 FLOW-3D만이 [4]에서 참조한 원래의 1유체 모델을 기반으로 한다. 물론, 열 전달, 표면 장력, 위상 변화, 이동 장애물 및 유체 구조 상호작용과 같은 다양한 물리적 프로세스에 대한 많은 모델을 포함하여 이 소프트웨어에 대한 많은 개선이 평생에 걸쳐 이루어졌다.

다른 기사 읽기 : VOF (Volume of Fluid) 란 무엇인가? | FLOW-3D

참고문헌

References

  1. H. Harlow and J. E. Welch, “Numerical Calculation of Time-Dependent Viscous Incompressible Flow,” Phys. Fluids 8, 2182 (1965); J. E. Welch, F. H. Harlow, J. P. Shannon, and B. J. Daly, “THE MAC METHOD: A Computing Technique for Solving Viscous, Incompressible, Transient Fluid-Flow Problems Involving Free Surfaces,” Los Alamos Scientific Laboratory report LA-3425 (March 1966).
  2. D. Nichols and C. W. Hirt, “Methods for Calculating Multi-Dimensional, Transient Free Surface Flows Past Bodies,” Proc. Of the First International Conference on Numerical Ship Hydrodynamics, Gaithersburg, Maryland, October 20-23, 1975.
  3. D. Nichols, C. W. Hirt and R. S. Hotchkiss, “SOLA-VOF: A Solution Algorithm for Transient Fluid Flow with Multiple Free Boundaries,” Los Alamos Scientific Laboratory report LA-8355 (August 1980).
  4. W. Hirt and B. D. Nichols, “Volume of Fluid (VOF) Method for the Dynamics of Free Boundaries,” Jour. Computational Physics, 39, 201 (1981).
  5. D. Nichols and C. W. Hirt, Numerical Simulation of BWR Vent Clearing Hydrodynamics,” Proc. 1978 Annual Meeting ANS, San Diego, CA; Nuc. Sci. Eng. 73, 196 (1980).
  6. W. Hirt and B. D. Nichols, “A Computational Method for Free Surface Hydrodynamics,” ASME 1980 Pressure Vessels and Piping Conf. San Francisco, CA (August 1980) Jour, Pressure Vessel Technology, 103, 136 (1981)

Simulation of Joule heating-based Core Drying

This article was contributed by Eric Riedel 1,2

1Otto-von-Guericke-University Magdeburg, Institute of Manufacturing Technology and Quality Management, Germany

2Soplain GmbH, Germany

현대의 주조 생산에는 샌드 코어를 사용해야 합니다. 환경 인식의 확대는 물론 규제 강화로 인해 코어가 열로 건조되고 치유되는 무기, 무배출 바인더 시스템 개발이 뒷받침되고 있습니다. 핫박스 공정이라고 하는 것에서는 코어 박스에서 열이 발생하여 샌드바인더 혼합물로 전달됩니다. 그러나 핫박스 공정은 크게 두 가지 기술적 단점을 보입니다.

첫 번째 단점은 약 1 W/(m·K)의 석영 모래의 열전도율이 매우 낮다는 것입니다. 외부 열 전달로 인해 공정에 시간이 많이 소요되고 쉘 형성과 그에 따른 품질 문제가 발생할 수 있습니다. 이 때문에 최대 523.15K 이상의 매우 높은 코어 박스 온도가 적용되어 열 전달을 가속합니다. 열상자 공정의 두 번째 단점은 코어 건조 자체를 실시간으로 직접 측정하고 디지털화할 수 없다는 점입니다. 대신 코어 박스에서와 같은 주변 파라미터를 기록해야만 수동적으로 측정할 수 있습니다.

ACS 프로세스

특허받은 새로운 ACS(Advanced Core Solution) 프로세스는 시간과 에너지 효율이 높은 코어 건조 및 양생을 목표로 합니다. ACS 프로세스는 모든 무기 바인더 시스템에 공통적인 특성을 사용합니다.

물 기반이기 때문에 전기적으로 전도성이 있습니다. 주요 요인은 전기 전도성 코어 박스 재료의 개발로, 모래-바인더 혼합물에 대한 전도도를 조정할 수 있습니다. 전압이 인가되면 그림 1에서와 같이 코어 박스와 모래-바인더 혼합물을 통해 전류가 균일하게 흐릅니다. 좀 더 정확히 말하면, 전류가 모래 알갱이 사이에 있는 전기 전도성 바인더 브리지를 통해 흐릅니다. 

고유의 전기 저항으로 인해 모래 중심부는 셸 형성 없이 균일하게 가열됩니다. Joule heating이라 불리는 그 이면의 과학적 원리는 Joule 의 제1법칙에 근거하고 있습니다. 직렬 공정에서 전기 전도성 코어 박스는 Joule heating을 통해 가열되어 건조 공정이 추가로 가속화됩니다. 이는 ACS 공정의 경우 코어 박스 내부의 복잡한 가열 장치가 더 이상 필요하지 않으므로 코어 박스 구조가 단순화되기 때문에 더욱 중요한 장점입니다.

이 새로운 프로세스를 통해 처음으로 열이 필요한 곳, 즉 코어 내에서 직접 생성됩니다. 필요한 열은 균질하게 분포된 바인더를 통해 생성되어 인접 모래로 전달되기 때문에, 석영 모래의 낮은 열전도율은 더 이상 제한 공정 인자가 아닙니다. 또한 최초로 건조별 전기 파라미터를 기록함으로써 건조 프로세스 자체를 포괄적으로 실시간 모니터링할 수 있습니다. FLOW-3D를 사용하여 ACS 프로세스를 시뮬레이션할 수 있으며, 프로세스 편익의 정량화를 포함한 산업적 적용에 대한 중요한 기준을 충족합니다.

그림 1: 전류 흐름의 기본 비교: a) 미포함, b) 코어 박스의 전기 전도도를 모래-바인더 혼합물에 대한 조정

모델 설명

모델링은 Starobin 등의 작업을 기반으로 합니다. [1], 그러나 FLOW-3D의 전기-기계 모델로 확장합니다. 전기 전위(즉, 냄비 = 1)를 활성화하면 전기-열 효과, 즉 줄 가열(에테르모 = 1)을 고려해야 합니다. 

모델 세부 정보는 [2]에서 확인할 수 있습니다. 구성 요소의 전기적 특성을 통해 코어 박스는 전기 전도도(초)와 유전 전위(오디엘)를 가진 동적 전위(오이포템 = 1)를 할당받으며, 전체 모래-바인더 혼합물의 전기 전도도를 설명하기 위해 모래 코어에도 동일하게 적용됩니다. 

전극에는 한 전극에 대해 고정 전위(외전 = 0), 전기 전도도, 음전위(외전)가 할당되고 다른 전극에 대해서는 양의 전위(외전)가 할당됩니다. 전기 전도도에 대한 온도에 의존하는 정의는 아직 가능하지 않기 때문에, 우리는 재시동 시뮬레이션과 능동 시뮬레이션 제어로 작업했습니다. 

이렇게 하면 각 온도 범위의 평균 전기 전도도, 즉 293.15 ~ 303.15 K, 303.15 ~ 313.15 K 등을 고려할 수 있다. 다음의 조사는 1유체 시뮬레이션에 초점을 맞춘 조사, 즉 purging 은 고려하지 않았습니다.

예제

첫 번째 단계에서는 상업적으로 이용 가능한 무기 모래-바인더 혼합물이 가열 및 온도에 의존하는 전기 전도성을 조사하기 위해 시뮬레이션 모델의 실험 조사 및 유효성 검사를 위해 사용되었습니다. 

373.15 K에 도달하는 데 필요한 시간뿐만 아니라 모래 코어에 입력되는 전력 및 에너지를 측정하였다. 실험 분석과 결과를 바탕으로 기초적인 시뮬레이션 모델을 만들었습니다. 재량권을 이유로, 기초 결과 중 일부는 질적으로만 제시된다. 결과는 그림 2에 제시되어 있으며, 측정값과 시뮬레이션 사이의 높은 수준을 보여줍니다.

Comparison of experimental and simulation results
그림 2: 실험 결과와 시뮬레이션 결과의 비교.
 측정 지점은 293.15 K: a) 온도 상승 전력 입력- 측정값으로부터의 평균 편차: 0,95 %, b) 에너지 입력 – 측정값으로부터의 평균 편차: 4.8 %에서 시작하여 10 단계로 지정된 목표 온도의 도달도를 나타냅니다.

검증된 결과를 바탕으로 단순하지만 부피가 큰 기하학을 이용해 ACS 프로세스와 시뮬레이션을 보여주는데, 고전적인 핫박스 프로세스에 비해 진보된 ACS 개발의 기초와 높은 잠재력을 잘 보여줍니다. 

기하학적 정렬은 그림 3에서 확인할 수 있습니다. (1) 고전적인 핫박스 프로세스, (2) 콜드 툴을 사용하는 ACS 콜드 스타트 프로세스(293.15 K), (3) 줄 효과로 인한 공구 난방에 대한 ACS 시리즈 프로세스 등 세 가지 경우를 시뮬레이션했습니다. 모든 3차원 모델은 1mm 크기의 셀로 분쇄되었습니다. 표 1은 계산된 시나리오의 가장 중요한 세부 사항을 요약합니다.

Geometric alignment of simulation setup
그림 3: 전도성 코어 가열 및 건조를 위한 시뮬레이션 설정의 기하학적 정렬
Overview of calculated core drying cases
표 1: 계산된 코어 건조 사례 개요.
 값은 실제 실험에서 파생됩니다.

결과 및 토론

그림 4는 고전적인 핫박스 공정을 위한 온도와 수분 발달을 보여주며, 외부 열 전달 및 그에 상응하는 수분 감소를 명확히 보여주고 있습니다. 

시뮬레이션은 시뮬레이션의 마지막에 모래 코어 센터에 수분이 남아 있는 상태에서 120초 동안 수행되었습니다. 실제로 사이클 타임 대상은 코어 센터에 쉘 형성과 잔류 수분이 있는 건조 프로세스의 조기 종료를 강요합니다. 단, 그림 5에 나타낸 ACS 콜드 스타트 시뮬레이션(코어 슈팅 머신을 가동했을 때의 첫 번째 샷에 대응)에서는 새로운 프로세스의 기본 원리인 코어의 균일한 heating이 내부 아웃 수분 수송으로 이어집니다.

 게다가, 모래 코어는 코어 박스보다 더 빨리 가열됩니다. 직렬 공정에서 코어 박스는 Joule heating을 통해 373.15 K 이상의 온도에 도달하여 고온 박스와 ACS 공정이 혼합되어 건조 공정이 더욱 가속화됩니다. 

ACS 영상 시리즈 시뮬레이션의 결과는 그림 6에 요약되어 있습니다. 핫박스 공정에서 120초가 지나도 모래심이 완전히 낫지 않지만, ACS 공정에서는 72초나 45초 후에 코어가 완전히 건조될 수 있습니다. 코어 박스 온도가 상당히 낮음에도 불구하고, 새로운 프로세스는 코어 건조에서 상당한 가속도와 새로운 접근방식의 큰 잠재력을 보여줍니다. 

한 가지 주요 이점은 관련 에너지 요건과 그에 상응하는 CO2 배출량을 포함하여 사이클 타임의 대폭적인 감소입니다. 모래심에 유입된 에너지는 시뮬레이션을 이용해 미리 예측은 물론 실제 공정 중에도 측정할 수 있어 공정 설계와 투명성 측면에서 또 다른 큰 장점입니다. 

또한, 시뮬레이션은 시험 표본의 기하학적 독립적 동질 난방을 명확히 보여주는데, 이는 습기가 코어 중심에 갇히지 않고 셸 형성을 방지함을 의미합니다. 전체적으로, 새로운 공정은 공정의 효율성과 무기적으로 결합된 모래 코어의 품질에서도 상당한 증가를 가능하게 합니다. 세 가지 사례의 프로세스 도표는 모두 그림 7에 요약되어 있습니다.

요약 및 전망

시연된 모델링은 새로운 코어 건조 프로세스를 정확하게 시뮬레이션하는 FLOW-3D의 기능과 기존의 핫 박스 프로세스와 비교하여 보다 효율적인 코어 건조 및 양생에 대한 새로운 프로세스의 가능성을 보여줍니다. 새로운 시뮬레이션 설정이 아직 개발 단계에 있고 더 많은 실제 사례 실험이 필요한 경우에도 건조 동작에 대한 뛰어난 통찰력을 얻을 수 있으며, 지금까지의 실험 측정과 매우 잘 일치합니다.

현재 시뮬레이션 내에서 모래-바인더 혼합물의 전기 전도성은 석영모래를 통해 생성되며, 실제로는 전기 전도성이 아니라 실제 측정된 모래-바인더 혼합물의 전기 전도성에 해당된다. 이렇게 하면 전체 모래-바인더 혼합물의 전기 전도성이 시뮬레이션에서 설명되며 실험 결과에 적합한 것으로 보입니다. 좀 더 정밀한 시뮬레이션을 위해, 실제 전도성 곡선을 고려하기 위해 고체 코어의 온도에 의존하는 전기 전도성(예: 모래-바인더 혼합물)을 절약할 수 있는 가능성이 도움이 될 것입니다. 추가 단계는 2유체 시뮬레이션 모델에 집중됩니다. 초기 실험은 좋은 결과로 기본적인 타당성을 보여줍니다.

아직 취해야 할 조치에도 불구하고, FLOW-3D로 ACS 공정을 시뮬레이션할 수 있는 능력은 줄 가열 기반 코어 건조 공정을 전체적으로 수립하는 데 중요한 이정표를 세우고 무기 모래 코어 제조에 이 공정의 이점을 보여준다고 할 수 있습니다.

References

  • Starobin, C.W. Hirt, H. Lang, M. Todte, Core Drying Simulation and Validation, AFS Proceedings, Schaumburg, IL USA, 2011
  • FLOW-3D from Flow Science, Inc., Santa Fe, NM, USA
벨기에 Zele에서 나온 WWTP의 개략도

활성화 된 슬러지 모델링

Activated Sludge Model

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

폭기조

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

벨기에 Zele에서 나온 WWTP의 개략도
벨기에 Zele에서 나온 WWTP의 개략도

생화학 반응의 표준 시스템

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

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

ASM 솔버 기능

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

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

For C   >> A는 , 변화율 C는  0 차에 접근한다.

For C   << a는 , 변화율 C는 일차 접근한다.

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

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

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

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

Zele WWTP

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

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

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

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

기하학, 메싱 및 물리학

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

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

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

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

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

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

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

관심 유출량

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

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

이 양은 처리 된 물의 전반적인 품질을 나타냅니다.

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

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

Zele WWTP에 있는 모든 종의 진화에 대한 시뮬레이션 결과

애니메이션은 Zele WWTP에있는 모든 종의 진화에 대한 시뮬레이션 결과를 보여줍니다.

WWTP 데이터에 대한 결과의 민감도

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

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

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

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

참고 문헌

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

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

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

Simulation results from FLOW-3D highlighting the droplet formation and the input pressure pulse

연속 잉크젯 인쇄

Continuous Inkjets

연속 잉크젯 인쇄는 약 150 년 동안 축적 된 기술입니다. 간단히 말해, 프린트 헤드가 작동하면 연속적인 유체 흐름이있는 액적 생성 방법입니다. 이 개념은 1867 년 Lord Kelvin에 의해 처음 특허를 받았지만 80 년 이상 지난 1951 년 Siemens가 최초의 상용 장치를 선보였습니다. 처음에 이 기술은 만료일, 배치 코드, 이름 및 제품 로고와 같은 가변 정보의 비접촉식 고속 인쇄에 사용되었습니다.

물방울 생성

노즐 크기 선택

액적 생성을위한 시스템 매개 변수를 계산하기 위해 Rayleigh 제트 불안정성 이론을 사용할 수 있습니다. 이 이론에 따르면 물방울 형성으로 이어지는 제트 분리에 대한 자극의 최적 파장 (λ)은 대략 다음과 같습니다.

Nozzle size selection
Nozzle size selection

작동 주파수 선택

최적의 드롭 생성 주파수는 최적의 파장에서 직접 계산할 수 있습니다. 위의 이론과 알려진 산업 매개 변수를 사용하여 FLOW-3D 에서 계산 모델을 설정하는 동안 125μm의 노즐 반경과 10kHz의 주파수가 사용되었습니다

FLOW-3D 결과 검증

FLOW-3D 는 강력하고 정확한 표면 장력 모델로 인해 연속 잉크젯 인쇄와 같은 액적 기반 공정을 시뮬레이션하는 데 적합합니다.

아래 시뮬레이션 결과에서 10kHz의 주파수에서 진동하는 입력 압력 펄스를 볼 수 있습니다. 평균 액적 크기는 약 240 μm이며 이론적으로 추정 된 액적 크기 약 250 μm와 잘 일치합니다.

Simulation results from FLOW-3D highlighting the droplet formation and the input pressure pulse
Simulation results from FLOW-3D highlighting the droplet formation and the input pressure pulse

OLED Mura Problem

이론적으로는 정확히 동일한 진폭으로 압력 펄스를 생성 할 수 있습니다. 그러나 OLED의 잉크젯 인쇄와 같은 산업 응용 분야에서 모든 노즐은 본질적으로 불완전한 제조 또는 작동 매개 변수로 인해 약간 다릅니다. 이러한 모든 결함은 액적 부피의 변동을 일으켜 OLED 패널의 각 하위 픽셀에 증착 된 유기 화합물의 부피를 변화시켜 증착 된 필름 두께의 비례적인 변화를 초래합니다. 이러한 두께 변화는 잉크젯 인쇄 OLED 디스플레이에서 패널 휘도 불균일의 가장 중요한 원인 중 하나입니다 (Madigan et al. ). 이러한 패널 휘도의 불균일성을 “무라 효과”라고합니다.

무라 문제를 해결하는 한 가지 접근 방식은 평균 법칙을 사용하는 것입니다. 이것이 의미하는 바는 서로 다른 노즐 (픽셀 내 혼합)의 방울을 무작위로 결합하여 방울 부피의 양 및 음 오류를 평균화하여 방울 부피 오류를 거의 0에 가깝게 만드는 것입니다.

FLOW-3D 에서 픽셀 내 혼합 과정을 시뮬레이션하기 위해 입력 압력 펄스 진폭에 약간의 임의성이 추가되었습니다. 최대 변동의 크기는 1.7MPa의 원래 압력 진폭에 더하여 200kPa로 설정되었습니다. 아래 애니메이션은 무작위성이있는 케이스와 무작위성이없는 초기 케이스의 비교를 보여줍니다.

압력 펄스의 무작위성 대 일정한 진폭의 경우를 비교하는 애니메이션.

예상대로 액적 생성은 액적 모양, 액적 크기, 액적 간 간격 및 비행 속도 측면에서 균일하지 않습니다. 그러나 오른쪽의 일정한 진폭 케이스는 균일 한 모양과 크기의 균일 한 간격의 물방울을 생성합니다.

연속 잉크젯 인쇄는 저장소에서 마이크로 미터 크기의 노즐 뱅크로 액체를 보내는 고압 펌프로 시작하여 진동하는 압전 결정의 진동에 의해 결정되는 주파수에서 연속적인 물방울 흐름을 생성합니다. 특히 인쇄 응용 분야의 경우, 잉크 방울은 외부 전기장의 존재로 인해 연속 흐름에서 편향됩니다. 이것은 인쇄 매체의 표면에 패턴을 생성합니다. 이 기술의 장점 중 일부는 높은 처리량, 높은 액적 속도, 프린트 헤드에서 기판까지의 거리 증가, 연속 작동으로 인한 노즐 막힘 없음입니다. 이러한 긍정적 인 특성 덕분에이 기술은 오늘날 종이에 일반 인쇄 잉크에서 다양한 재료 (생존 세포 포함)를 증착하는 것으로 발전했습니다.

Continuous inkjet animation

결론

FLOW-3D 는 연속 잉크젯 인쇄 프로세스와 관련된 물리학에 대한 이해를 촉진하는 데 사용되었습니다. 강력한 표면 장력 모델 덕분에 FLOW-3D 는 다양한 고급 액적 생성 및 증착 응용 분야에서도 유용 할 수 있습니다. 예를 들어 OLED 프린팅의 경우 FLOW-3D 를 사용하여 픽셀 내 혼합 중에 발생하는 액 적의 변화를 효과적으로 이해하여 OLED 패널의 품질을 높일 수 있습니다.

References

Madigan C. F., Hauf C. R., Barkley L. D., Harjee N., Vronsky E., Slyke S. A. V., Advancements in Inkjet Printing for OLED Mass Production. Kateeva, Inc.

2 Fluid, 1 Temperature

2 Fluid, 2 Temperature 모델

2 Fluid, 2 Temperature 모델

우주선 및 자동차 연료 탱크 및 특정 미세 유체 장치는 안전하고 효율적인 작동을 위해 정확한 액체 및 기체 상태 모델링이 필요합니다. 이러한 시스템에 유체 계면이 존재하는 것 외에도, 열 전달 및 상 변화의 물리학도 정확하게 포착해야합니다. 얼마나 복잡합니까!

이러한 복잡한 시나리오를 시뮬레이션하기 위해 FLOW-3D v12.0에는 2 Fluid, 2 Temperature 모델이 도입되었습니다.

 

단순화 된 모델 : 2 Fluid, 1 Temperature

FLOW-3D 의 인터페이스 추적 방법인 TruVOF는 열 전달 및 위상 변화를 포함하여 2 Fluid 모델과 함께 작동합니다. 그러나,이 모델의 단순화 중 하나는, 인터페이스를 갖는 메쉬 셀의 온도가 다음의 개략도에 도시 된 바와 같이 혼합물 온도 (따라서 단순화 된 모델) Tmix로 표현된다는 것입니다.

온도가 경계면을 가로 질러 연속적이고 매끄러 울 때 혼합물 근사치가 적절하지만, 열-물리적 특성의 큰 차이로 인해 액체 및 가스가 있는 경우에는 이를 추정 할 수 없습니다. 이러한 시스템에서 용액의 정확도는 액체-기체 혼합물을 함유하는 셀에서 유체 에너지 및 온도의 평균으로부터 발생하는 과도한 수치 확산에 의해 압도 될 수 있습니다. 단순화 된 온도 슬립 모델은 이러한 경우 부분적인 솔루션만 제공합니다.

단순화 된 모델-2 Fluid, 1 Temperature

종합 모델 : 2 Fluid, 2 Temperature

1 Temperature 접근 방식의 결함을 극복하기 위해 2 Fluid 솔루션에 대한 2 Temperature 모델이 버전 11.3에 도입되었습니다. 여기에는 아래 회로도에 표시된 것처럼 각 유체에 대한 에너지 전달 방정식을 해결하고 각 상의 온도를 저장하는 작업이 포함됩니다. 자유 표면이 있는 메쉬 셀은 이제 액체 (T1)와 가스 (T2) 온도를 모두 나타냅니다.

종합 모델 : 2 유체, 2 온도

탱크 슬로싱(Tank sloshing)

탱크 슬로싱에 대한 이 사례 연구에서, 액체는 초기 온도 300K이고 가스는 400K입니다. 단순화 된 모델과 포괄적인 모델 사이의 수치 확산 정도의 차이는 아래 애니메이션에 나와 있습니다. 온도 윤곽에서 시간이 지남에 따라 용액의 수치 확산은 1 Temperature 접근 방식으로 보여지고 계면 물리를 완전히 가리게 됩니다.

단순화 된 모델 : 2 Fluid, 1 Temperature

종합 모델 : 2 Fluid, 2 Temperature

공기중 드롭 용접(Drop welding in air)

이 낙하 용접 사례 연구에서 액체 금속은 중력 하에서 2300K에서 공기를 통해 고체화 된 금속 베드로 떨어집니다. 공기 및 베드 초기 온도는 293K입니다. simplified model에서는 수치 확산으로 인해 액체 금속 낙하 온도가 베드에 도달하기 전에도 급격히 감소하기 시작합니다. 반면에 comprehensive model에서는 방울이 초기 온도를 유지하여 훨씬 더 나은 솔루션을 제공합니다.

단순화 된 모델을 사용한 온도 필드 진화

종합 모델의 온도 필드

FLOW-3D의 2 Fluid, 2 Temperature 모델과 유체 인터페이스 추적을 결합하면 사용자는 특히 연료 슬로싱 시스템과 같이 복잡한 열전달 및 위상 변화 문제를 정확하게 모델링 할 수 있습니다.

이 새로운 모델에 대한 제안이나 의견은 adwaith@flow3d.com에 문의하십시오.

Cavitation | 캐비테이션

캐비테이션이란 무엇입니까?

The spillways of the Glen Canyon dam in 1983 (Lee and Hoopes, 1996).

캐비테이션은 유체 흐름의 매우 낮은 압력 또는 포화 압력을 높이는 온도 상승으로 인해 유체 내에서 증기 또는 기포가 빠르게 발생하는 것입니다. 기포의 갑작스런 출현 (및 후속 붕괴)은 비압축성 유체 내에서 압력의 급격한 변화를 일으켜 심각한 기계적 손상을 일으킬 수 있습니다. 캐비테이션에 의해 유도 된 힘은 1983 년 Glen Canyon 댐의 배수로에서 경험 한 손상에서 볼 수 있듯이 며칠 내에 수 피트의 암석을 침식 할 가능성이 있습니다 (Lee and Hoopes, 1996).

또한 고압 다이 캐스팅에서 캐비테이션이 발생할 수 있습니다. 다이의 수축 및 곡선을 통한 용융 합금의 빠른 이동은 급속한 압력 강하를 초래하고 후속 캐비테이션으로 이어질 수 있습니다. 생성된 증기 기포는 최종 주조에서 다공성을 유발하거나 더 나쁜 경우 다이에 손상을 일으켜 주조품을 훼손시키고 다이 수명을 감소시킬 수 있습니다.

캐비테이션은 터빈과 파이프에 손상을 줄 수 있고, 댐의 배수로에서 콘크리트를 침식하는 등의 원인이 될 수 있습니다. 아래 이미지는 댐의 배수로 바닥 근처의 콘크리트 침식을 보여줍니다. 댐에 사용되는 콘크리트는 일반적으로 강도가 높지만 캐비테이션은 여전히 그것을 부식시킬 수 있습니다.

Eroded concrete due to cavitation on the spillway of a dam

캐비테이션은 때때로 오염 물질과 유기 분자를 분해하고, 소수성 화학 물질을 결합하고, 캐비테이션 기포의 파열로 인해 생성 된 충격파를 통해 신장 결석을 파괴하고, 혼합을위한 난류를 증가시켜 수질 정화와 같은 특정 산업 응용 분야에서 의도적으로 유도됩니다.

따라서 캐비테이션이 발생할 가능성이있는 위치와 그 강도를 이해하는 것이 중요합니다. 캐비테이션을 실험을 수행하거나 실험 결과의 현상을 시각화하는 것이 어렵고, 잠재적으로 손상 될 수 있으므로 수치해석 시뮬레이션으로 검토하는 것이 매우 필요하고, 유용합니다.

Real-World Applications | 실제 응용 분야

  • 물 및 환경 구조 내에서 손상을 주는 캐비테이션 시뮬레이션
  • 다이 손상 및 주조 다공성을 유발할 수 있는 고압 다이 캐스팅 중 캐비테이션 시뮬레이션
  • MEMS 장치 내의 열 거품 형성 시뮬레이션
  • 열 전달 표면의 비등 거동 예측
  • 캐비테이션 역학으로 인한 혼합 예측

Modeling Cavitation in FLOW-3D

FLOW-3D의 캐비테이션 모델은 thermal bubble jets 와 MEMS devices를 시뮬레이션하는데 성공적으로 사용되었습니다. FLOW-3D는 “active”또는 “passive” 모델 옵션을 제공합니다. Active 모델은 기포 영역을 열고 수동 모델은 흐름을 통해 캐비테이션 기포의 존재를 추적하고 전파하지만, 기포 영역의 형성을 시작하지는 않습니다.

Active모델은 더 큰 캐비테이션 영역이 예상되고 유동장에 영향을 미치는 경우에 가장 적합하며, Passive모델은 작은 기포의 간단한 모양이 예상되는 시뮬레이션에 가장 적합합니다. 활성 모델과 에너지 전송 계산을 통해 위상 변화도 옵션입니다. 기포는 계면에서의 증발 또는 응축으로 인해 추가로 팽창하거나 수축 할 수 있습니다.

Sample Results

아래 시뮬레이션은 수축 노즐을 보여줍니다. 애니메이션은 매우 일시적인 진동 동작을 보여주는 캐비테이션 버블의 진화를 보여줍니다. 캐비테이션 부피 분율은 초기 연속 액체에서 캐비테이션의 시작을 시각화하기 위해 플롯됩니다.

아래 애니메이션은 진입 속도가 8m/s이고 수렴 기울기가 18 °이고 발산 기울기가 8 ° 인 벤츄리 내의 캐비테이션을 보여줍니다. 다시 말하지만, 캐비테이션의 과도 동작은 잘 모델링되어 있으며, 모델은 22ms의 실험 결과와 비교하여 17.4ms의 캐비테이션주기 기간을 예측합니다 (Stutz and Reboud 1997).

Cavitation in a venturi

물 탱크를 통해 이동하는 고속 발사체를 시뮬레이션하여 발사체 후류에서 생성 된 저압 영역의 공동 기둥을 보여줍니다. 발사체의 초기 속도는 600m / s입니다. 아래는 탱크의 움직임과 후행하는 캐비테이션 유체의 애니메이션입니다. 발사체가 감속함에 따라 캐비테이션 기둥의 반경이 좁아집니다.

@

High-speed bullet

References

Lee, W., Hoopes, J.A., 1996, Prediction of Cavitation Damage for Spillways, Journal of Hydraulic Engineering, 122(9): 481-488.

Plesset, M.S., Prosperetti, A., 1977, Bubble Dynamics and Cavitation, Annual Revue of Fluid Mech, 9: 145-185.

Rouse, H., 1946. Elementary Mechanics of Fluids, New York: Dover Publications, Inc.

Stutz, B., Reboud, J.L., 1997, Experiments on unsteady cavitation, Experiments in Fluids, 22: 191-198.

Moving Boundaries: An Eulerian Approach

Moving Boundaries: An Eulerian Approach

많은 문제에서, 유체 및 고체 영역의 내부 경계가 그 안에서 이동할 수 있도록하면서 공간에 고정 된 그리드를 유지하는 것이 유리합니다. 이는 리 메싱의 필요성을 피할 수 있으므로 이러한 경계의 형태에 급격한 변화가 발생할 때마다 적절합니다. 메시 생성도 크게 단순화되었습니다.

고정 그리드 내에서 유체 인터페이스, 침전물, 응고 된 유체 및 탄성 재료의 경계 이동을 모델링하기위한 다양한 접근 방식이 표시됩니다. 유체 경계의 이동은 VOF (Volume-of-Fluid) 방법의 변형으로 수행되며, 각 계산 셀에서 유체의 양을 나타내는 양이 고정 메시를 통해 조정됩니다.

퇴적물의 침식 및 퇴적은 퇴적물 수색 모델을 사용하여 계산됩니다. 국부적 인 침식 속도는 패킹 된 퇴적물 / 유체 경계면에 존재하는 국부적 인 전단 응력을 기반으로하며, 증착은 Stokes 유동 근사치로 예측됩니다.

Emptying of gravure cell (same cell dimensions as filling case); a
three-dimensional perspective is shown. The transfer roll surface
(block at top) is moving away from the gravure roll at 0.5m/s. The
static contact of the fluid with all surfaces is 30°. The elapsed time
is 150

충진 층 경계면은 퇴적물 농도와 퇴적물의 포장 분율에 따라 달라집니다. 용융 금속은 온도가 빙점 아래로 떨어지면 굳을 수 있습니다. 응고 된 “유체”는 동결 및 용융을 유발하는 열유속의 양으로부터 결정된대로 표면이 증가하거나 수축하는 고체처럼 처리됩니다.

탄성 응력은 응고 된 재료 / 공기 인터페이스를 예측하는 VOF 방법을 사용하여 동일한 고정 그리드 내의 운동량 균형에 탄성 응력 계산을 추가하여 응고 된 영역에서 계산됩니다.

매우 일시적인 흐름 문제의 경우 유체와 공극 공간 사이 또는 두 개의 혼합 불가능한 유체 사이에있는 유체 인터페이스는 문제의 역학에 따라 자유롭게 움직여야합니다.

한 가지 해결책은 인터페이스와 함께 변형되는 메시를 만드는 것입니다. 이것은 시뮬레이션 중에 인터페이스의 형태가 거의 변경되지 않는 상황에서 잘 작동합니다. 그러나보다 일반적인 경우에는 시뮬레이션 중에 새 메시를 반복적으로 생성해야하거나 변경되지 않은 메시 내에서 자유 표면 경계를 생성하는 방법이 필요합니다. 이 작업은 후자를 제시합니다. VOF (Vol-of-fluid) 함수는 자유 표면의 위치를 추적하는 데 사용됩니다. 또한이 함수는 곡률을 계산하여 표면 장력의 영향을 예측하는 데 사용됩니다.

<원문보기> Moving-Boundaries-an-Eularian-Approach.pdf

Mixing

Mixing

지난 수십 년 동안 주로 컴퓨터 측정 및 시뮬레이션 기술의 발전으로 인해 혼합을 이해하는 데 많은 진전이있었습니다. 흐름 모델링 기술의 지속적인 발전 덕분에 혼합 장비의 흐름 에 의존적인 프로세스에 대한 자세한 통찰력을 CFD 소프트웨어를 사용하여 쉽게 시뮬레이션하고 이해할 수 있습니다.

오늘날, 블렌딩에서 solid suspension, 자켓형 반응기의 열 전달에서 발효에 이르기까지 다양한 응용 분야가 FLOW-3D의 혼합 기술을 사용하여 모델링됩니다. FLOW-3D 시뮬레이션은 임펠러의 모든 구성에서 혼합 시간, 순환 및 전력 수와 모든 용기 형상에 대한 혼합 조건과 같은 주요 혼합 매개 변수를 평가하는 데 도움이 될 수 있습니다.

이러한 시뮬레이션은 실험 방법을 사용하여 보완합니다. CFD 소프트웨어를 사용하여 이러한 장비의 흐름에 따른 프로세스를 예측하고 이해하면 제품 품질을 향상시키고 많은 제품의 출시 시간과 비용을 줄일 수 있습니다.

Food Processing

Food Processing

식품 가공 산업은 분사 장비를 최적으로 설계 및 제조하기 위해 일반적으로 뉴턴이 아닌 유체, 슬러리, 고형물과 유체의 혼합물 등 복잡한 유체를 관리하기 위한 다양한 요구사항을 가지고 있습니다. 이는 상업용 등급 장비의 일관성 및 내구성과 품질에 필수적입니다. 또한, 포장 디자인의 혁신은 한 제품을 다른 제품과 명확하게 구별할 수 있습니다. 예를 들어, 꿀, 케첩 또는 크리머(creamer)를 깨끗하고 정확하게 분사하는 것은 소비자가 상점에서 선택하는 것일 수 있습니다. 운송 및 보관 요구 사항은 모양을 보다 효율적으로 엔지니어링하고 컨테이너 자재를 더 많이 선택해야 합니다. 1.5리터의 물 또는 세탁 세제를 이동 또는 떨어뜨리는 동안 유체 하중은 업스트림 설계의 중요한 부분이 될 수 있습니다.

Velocity contours of a non-Newtonian fluid such as ketchup out of a slit nozzle.

꿀, 옥수수 시럽, 치약과 같은 점성 액체는 보통 단단한 표면에 접촉할 때 코일을 형성하는 경향을 보입니다. 이러한 효과는 관찰하기에 흥미롭고 재미있지만, 제품 안에 공기가 들어가 포장을 어렵게 만들 수 있는 포장 공정에서는 달갑지 않을 수 있습니다.

코일링이 발생하는 조건은 유체의 점성, 유체가 떨어지는 거리 및 유체의 속도에 따라 달라집니다. FLOW-3D는 다양한 물리적 프로세스 매개변수를 연구하기 위한 정확한 도구를 제공하여 효율적인 프로세스를 설계하는 데 도움이 됩니다.

Filling / 충진

Filling / 충진

재료 비용을 줄이고 사이클 시간을 개선하기 위해 소비재 회사는 슬로 싱, 튀기 및 공기 혼입을 포함한 많은 자유 표면 유체 문제를 처리해야합니다.

Predicting Entrained Air in a Bottle Filling Example

혼입된 공기는 생산 라인에서 컨테이너가 채워질 때 액체의 부피를 증가시킬 수 있습니다. 아래 왼쪽 이미지는 높이가 약 20cm인 병에 1.2 초 동안 채우는 것을 보여줍니다. 색상 음영은 액체에서 공기의 부피 비율을 나타냅니다. 병에서 짧은 시간과 높은 수준의 혼합으로 인해 공기가 표면으로 올라와 빠져 나갈 시간이 없었습니다. 그러나 오른쪽 이미지에서 볼 수 있듯이 약 1.7 초의 추가 시간이 지나면 표면으로 상승하는 공기로 인한 액체 부피 감소가 명확하게 보입니다. FLOW-3D의 드리프트 플럭스 모델을 사용하면 액체의 기포와 같은 성분을 분리하여 분리 할 수 있습니다.

Air entrainment (left) and separation of air and liquid (right)

In by 9, out by 5 – Rapid evaluation of Tide® bottle filling

FLOW-3D를 사용하여 새로운 Tide 병 디자인의 채우기를 모델링하는 방법을 설명하는이 기사는 The Procter and Gamble Company의 기술 부문 책임자 인 John McKibben이 기고했습니다.

오전 9시에 긴급한 이메일을 받았다고 상상해보십시오.

새로운 Tide® 병 디자인 중 하나가 핸들을 채우고 충전 장비에 문제가있을 수 있음을 방금 깨달았습니다. 프로토 타입 병도없고 몇 주 동안도 없을 것입니다. 디자이너와 소비자는 디자인의 모양을 좋아하지만 그것이 채우는 방식은 우리 생산 시설의 쇼 스토퍼가 될 수 있습니다.
이 상황을 접했을 때 저는 3D 지오메트리 (그림 1)의 스테레오 리소그래피 (.stl) 파일을 요청하여 응답을 시작했고 제가 할 수있는 일을 확인했습니다. FLOW-3D는 .stl 파일을 사용하여 지오메트리를 입력 할 수 있으며 채우기에 대한 자유 표면 문제를 해결할 수 있어야한다는 것을 알고있었습니다. 나는 이것이 잠재적 인 문제에 대한 좋은 질적 이해를 제공 할 것으로 기대했지만,이 응용 프로그램에 대해 얼마나 정확한지에 대해서는 약간 불확실했습니다.

Setting up and Running the Simulation

오후 1 시경에 지오메트리 파일, 유량 및 유체 속성을 받았습니다. 몇 시간 내에 시뮬레이션이 실행되어 예비 결과를 제공했습니다. 저는 제 고객을 초대하여 결과를 간단히 살펴 보았고 그는 “보스의 상사”도 함께 살펴 보았습니다. 그래서 저녁 5 시까 지 예비 결과를보고 원래 우려 사항이 문제가 아니라고 판단했습니다.

그러나 결과는 몇 가지 다른 질문을 제기했습니다. 핸들을 채우면 유입되는 유체 분사가 많이 분리되었습니다. 나는 이것이 동반 된 공기와 거품의 양을 증가시킬 것이라는 것을 알고 있었다 (우리는 결국 세탁 세제를 채우고있다). FLOW-3D 공기 혼입 모델을 테스트하기로 결정했습니다. 이 모델은 원래 난류 제트 용으로 개발되었으며,이 층류 문제를 볼 때 얼마나 잘 수행 될지 확신 할 수 없었습니다.

Figure 2: Filled results
Experimental comparison of bottle filling model with and without the air entrainment model, courtesy of The Procter & Gamble Company.

그림 2는 공기 유입 모델이 있거나없는 병 충전 모델의 결과를 보여줍니다. 혼입 된 공기가 포함되면 충전 레벨이 크게 증가합니다. 혼입 된 공기가 병 상단에서 액체를 밀어 내지는 않지만 공기 혼입 정확도를 확인해야 할만큼 충분히 가깝습니다.

그림 3은 몇 주 후에 실행 된 실험의 이미지와 공기 혼입 수준을 비교합니다 (시제품 병이 제공되었을 때). 제트 분리 및 충진 수준의 정 성적 일치는 우수하며 시뮬레이션이 병 설계를 선별하기에 충분히 정확하다는 것을 확인했습니다.

Oil & Gas Separators

Oil & Gas Separators

FLOW-3D는 오일 및 물과 같은 혼합 불가능한 유체를 모델링할 수 있으며, 개방된 환경(주변 공기)에 관련된 구성 요소 간의 고유한 인터페이스를 정확하게 추적할 수 있습니다.

전체 영역에 영향을 미치는 역학 관계로 유체가 자유롭게 혼합될 수 있습니다. 시간이 지남에 따라 유체는 연속 위상과 분산 위상 사이의 표류 관계에 따라 다시 분리됩니다.

중력 분리기의 성능은 CFD 모델링을 통해 향상 될 수 있습니다 :

  • Develop vessel inlet configurations to improve uniformity of gas and liquid flows and avoid mixing of oil & water due to wave-induced sloshing
  • Determine the influence of internal equipment on hydraulic efficiency and separation performance
  • Gauge the effects of changes in operating conditions
  • Accurately model small-scale phenomena (multi-phase flows, drops, particles, bubbles)

Aerospace Electric Charge Distribution

Electric Charge Distribution

비행중 또는 급유 중에 항공기 연료가 슬로싱되면 전하가 발생하여 인터페이스의 fuel-vapor 혼합물이 전도성이됩니다. 과도 전위 및 필드 분포 분석은 연료 탱크의 최적 배출 위치를 식별하는 데 도움이됩니다. FLOW-3D를 사용한 이 전하 분포 시뮬레이션은 일련의 yaw, pitch 및 roll motion에서 회전을 통해 가속하는 동안 항공기 연료 탱크 내부의 연료 거동을 보여줍니다.

Lab-on-a-chip

다양한 표면 장력을 사용하는 패턴화된 표면

마이크로 채널의 패턴화된 표면은 액체 사이의 실제 물리적 벽 없이도 여러 액체가 나란히 흐르는 특정 경로를 따라 한 저장소에서 다른 저장소로 액체를 운반하는 데 사용할 수 있습니다. 패턴화된 표면은 랩 온어 칩 (lab-on-a-chip), 바이오어세이, 마이크로 리액터 및 화학적 및 생물학적 감지를 통해 유체를 운반하는 데 사용됩니다. 이 경우 표면 장력은 패턴화된 흐름을 생성하기 위해 마이크로 채널의 유체 흐름을 조작하는데 사용됩니다. 고체 표면에서 유체의 친수성 또는 소수성 거동을 이용하여 마이크로 채널을 통한 여러 유체의 움직임을 제어합니다. 마이크로 채널 내부의 유체 흐름은 층상이므로 여러 유체 흐름 (이 경우 2 개)이 난류 혼합없이 나란히 흐를 수 있습니다. 유체 흐름의 측면에는 물리적 벽이 없기 때문에 흐름은 소위 가상 벽에 의해 제한됩니다. 이 벽은 기본적으로 두 유체 사이의 친수성 경계입니다.

Patterned surfaces in micro channels
Experimental results showing the three phases – A, B and C (left to right), Bin Zhao et al.

위 그림은 마이크로 채널의 실험을 보여줍니다. 중앙 수평 채널의 중간 스트립은 친수성이지만 상부 및 하부 수직 채널과 함께 나머지 채널은 소수성의 정도가 다릅니다. 소수성은 접촉각의 몇도 정도만 다릅니다. 상부 채널의 접촉각은 118o이고 하부 채널의 접촉각은 112o입니다. 그러나 접촉각의 작은 차이는 유체가 이러한 영역으로 흐르기 위해 상당히 다른 압력을 필요로합니다.

Numerical Simulation

처음에는 모든 채널이 다른 유체(투명)로 채워집니다. 분홍색 액체가 수평 채널로 밀리면 중앙 영역(단계 A)의 친수성 경로를 사용합니다. 압력이 증가하면 유체는 하부 친수성-수성 장벽을 깨고 하부 친수성 영역(단계 B)으로 흐르기 시작합니다. 압력을 더 높이면 마침내 유체가 상부 친수성-수소성 장벽을 부수고 상부 영역에서도 흐르기 시작합니다(Phase C).

Numerical results - patterned surfaces using varied surface tension
Numerical results showing the three phases – A, B and C.

위의 수치 결과는 둘 사이에 중요한 차이가 있다는 점을 고려할 때 실험에서 패턴화된 표면 연구의 전반적인 아이디어와 합리적인 비교 가능성을 보여줍니다. 위에 표시된 수치 결과는 과도 상태 (압력이 지속적으로 증가)이므로 유체 경계가 실험 결과와 정확히 유사하지 않습니다. 마찬가지로 유체 특성은 실험에 사용 된 특성과 정확히 유사하지 않습니다. 그럼에도 불구하고 유체 1은 실험에서와 같이 압력이 증가함에 따라 단계 A, B 및 C를 통과합니다. 단계 B에서 투명한 유체는 계속해서 위쪽 채널을 통해 흐르지 만 분홍색 유체만 아래쪽 영역으로 흐릅니다. 이것은 실험과 일치합니다. 흥미로운 것은 C 단계에서 나타난 기포 형성입니다. C 단계에서 기포 형성과 같은 흥미로운 물리학에 대한 계시와 연구는 미세 유체 장치의 설계 및 제작 과정에 중요 할 수 있습니다.

FLOW-3D Results

아래 애니메이션은 위의 실험에 대한 FLOW-3D의 시뮬레이션 결과를 보여줍니다. 유체 1 (하늘색)은 실험의 분홍색 유체와 동일합니다. 처음에는 전체 도메인이 Fluid 2 (투명 유체)로 채워집니다. 압력은 단계적으로 증가하고 시뮬레이션이 진행됨에 따라 세 단계를 모두 볼 수 있습니다.

Evolution of fluid flow with increasing pressure in patterned micro channels created by varying contact angles.

Ref: Bin Zhao, Jeffrey S. Moore, David J. Beebe, Surface-Directed Liquid Flow Inside Microchannels, Science 291, 1023 (2001)

Learn more about the power and versatility of modeling microfluidic applications with FLOW-3D

Agitational Stresses

Agitational Stresses / 동요 스트레스

This article was contributed by Ge Bai, Scientist, MedImmune LLC.

Agitation instruments and glass vial

Agitation 연구는 생물 요법 발달에 있어 흔하고 중요한 부분이지만, 관련된 스트레스의 근본적인 특성과 단백질 안정성에 대한 영향은 완전히 이해되지 않았습니다. 동요된 스트레스 방법의 특성화는 단백질 분해 메커니즘이나 특정 민감도를 식별하는데 매우 중요합니다. 전단, 경계면, 캐비 테이션 또는 기타 유체 및 계면 장력에 의한 응력은 실험적 방법으로 측정하기 어렵거나 불가능합니다. 최근에는 다양한 주파수에서 회전 장치(Rotator), 궤도 셰이커, 자석 교반기, 와류 혼합기(그림 1참조)를 포함한 다양한 계측기를 사용하여 3-4S 유리 바이알에서 동요하는 액체의 유체 역학을 모델링하여 단백질 안정성에 잠재적으로 중요한 응력을 확인하고 정량화하였습니다. 25°C에서 물의 유동성 특성이 이러한 시뮬레이션에 사용되었습니다.

Gaining better understanding on agitational stresses applied to proteins for biopharmaceutical development

표준 FLOW3D코드는 최대 시스템 전단율, 볼륨 평균 전단률, 공기-액체 및 고체-액체 인터페이스 근처의 볼륨 평균 전단률, 총 전단, 고체-액체 인터페이스의 면적, 그리고 공기음 재생 인터페이스와 같은 단백질에 대한 잠재적으로 유해한 응력을 수치적으로 계산할 수 있도록 맞춤화하였다. 표준 소프트웨어 패키지의 추가 출력으로 표시됩니다. 시뮬레이션과 실험 사이에 바이알에 있는 유체의 자유 표면 형태를 비교하여 CFD모델을 검증하였습니다(그림 2).

Orbital schaker simulation
그림 2. CFD시뮬레이션과 300rpm정상 상태에서의(A)궤도 쉐이커와(B)35rpm, 55°위치에서의 회전 장치(Rotator)회전 장치(Rotator)에 대한 실험 사이의 유체 없는 표면 형태 비교.
Instantaneous shear rates
그림 3. 최대 진동 주파수(A)궤도 쉐이커,(B)자기 교반기,(C)와류 혼합기 및(D)회전 장치(Rotator)에서의 경계면 부근에서의 순간 전단율.

응력(전단 속도 및 인터페이스 생성 속도)의 예와 공기 액상 및 고체 액체 인터페이스에서의 비교는 그림 3과 그림 4에 나와 있다. 전체적으로, 와류 혼합기는 가장 강한 응력을 제공하는 반면, 자석 교반기는 소수성 절 표면에 국소적으로 강한 전단을 제시하였다. 회전 장치(Rotator)는 부드러운 유체 응력을 제공하지만 낮은 회전 주파수를 고려할 때 공기-물 내부 영역 및 표면 응력은 상대적으로 높습니다. 궤도 셰이커는 중간 수준의 스트레스를 제공하지만 일관된 생체-생체 동질성을 위한 크고 안정적인 플랫폼의 이점을 제공합니다.

Air-liquid interface generation rates
그림 4. 최대 진동 주파수(A)궤도 쉐이커,(B)자기 교반기,(C)와류 혼합기 및(D)회전 장치(Rotator)에서의 공기 액상 인터페이스 생성 속도.

우리는 설명한 각각의 동요된 방법에서 유리 용기 안의 액체에 복수의 응력이 동시에 작용한다는 것을 발견했다. 이러한 스트레스는 다양한 방법에 따라 다양했으며 종종 교란 주파수의 강력한 기능으로 밝혀졌다. 또한 알려진 유형과 강도의 스트레스를 가진 적절한 촉진 방법을 선택하면 단백질 저하 메커니즘에 대한 영향을 더 잘 이해하는 데 도움이 될 수 있다는 것도 알아냈다. 우리는 CFD가 실험 시스템에서 유체 응력의 특성을 파악하고 실제 조건에 대한 관련성을 검증하는 데 중요한 역할을 할 수 있다고 결론지었습니다.

생명 공학 응용 분야

표준 FLOW-3D 코드는 시스템 전단 속도, 부피 평균 전단 속도, 공기-액체 및 고체-액체 계면 근처의 부피 평균 전단 속도, 총 전단, 고체 면적과 같은 단백질에 잠재적으로 유해한 응력이 발생하도록 맞춤화되었습니다. 액체 인터페이스 및 공기-액체 인터페이스 재생률을 수치적으로 계산하고, 표준 소프트웨어 패키지의 추가 출력과 비교할 수 있습니다. 시뮬레이션과 실험 사이에 VIAL에있는 유체의 자유 표면 모양을 비교하여 CFD 모델을 검증했습니다 (그림 2).

Orbital schaker simulation
Figure 2. Comparison of the shape of fluid free surface between CFD simulation and experiment for (A) orbital shaker at 300 rpm at steady state and (B) rotator at 35 rpm, 55° position.
Instantaneous shear rates
Figure 3. Instantaneous shear rates near interfaces at maximum agitation frequencies (A) orbital shaker, (B) magnetic stirrer, (C) vortex mixer and (D) rotator.

응력(전단 속도 및 인터페이스 생성 속도)의 예와 공기 액상 및 고체 액체 인터페이스에서의 비교는 그림 3과 그림 4에 나와 있습니다. 전체적으로, 와류 혼합기는 가장 강한 응력을 제공하는 반면, 자석 교반기는 hydrophobic stir bar 표면에 국소적으로 강한 전단을 제시합니다. 회전 장치(Rotator)는 부드러운 유체 응력을 제공하지만 낮은 회전 주파수를 고려할 때 공기-물 내부 영역 및 표면 응력은 상대적으로 높습니다. 궤도 셰이커는 중간 수준의 스트레스를 제공하지만 일관된 생체-생체 동질성을 위한 크고 안정적인 플랫폼의 이점을 제공합니다.

Air-liquid interface generation rates
Figure 4. Air-liquid interface generation rates at maximum agitation frequencies (A) orbital shaker, (B) magnetic stirrer, (C) vortex mixer and (D) rotator.

우리는 설명한 각각의 교반 방법에서 유리 용기 안의 액체에 여러가지 응력이 동시에 작용한다는 것을 발견했다. 이러한 스트레스는 다양한 방법에 따라 다양했으며 종종 교란 주파수의 강력한 기능으로 밝혀졌다. 또한 알려진 유형과 강도의 스트레스를 가진 적절한 촉진 방법을 선택하면 단백질 분해 메커니즘에 대한 영향을 더 잘 이해하는 데 도움이 될 수 있다는 것도 알아냈습니다. 우리는 CFD가 실험 시스템에서 유체 응력의 특성을 파악하고 실제 조건에 대한 관련성을 검증하는 데 중요한 역할을 할 수 있다고 결론지었습니다.

샌드코어 만들기 시뮬레이션

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

샌드 코어 만들기 프로세스 작업 공간

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

Sand Shooting

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

Sand Shooting

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

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

코어 경화

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

무기 공정에서 샌드 코어 건조

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

핫 박스 프로세스에서 코어 강화

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

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

콜드 박스 공정에서 샌드 코어를 가스링

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

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

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

Principal CFD Engineer at Flow Science

Powder Based Laser Metal Deposition (LMD)

분말 기반 레이저 금속 증착

  • 복잡한 형상이면서 기능성 재료를 제작하는데 적합
  • 다양한 분말을 사전 혼합하여 맞춤형 합금을 만들 수 있음
  • 부품의 높은 치수 정확도가 가능
  • 시뮬레이션은 분말 분사 속도 및 레이저 매개 변수의 공정 최적화를 도움

FLOW-3D를 이용한 분말 기반 레이저 금속 증착 시뮬레이션


Lab-on-a-chip – Micromixer (마이크로 믹서)

Micromixer (마이크로 믹서)

  • 마이크로 믹싱의 어려움
    – 난류는 혼합을 유도하지만 미세 유체 유동은 층류가 강함 (레이놀즈 수가 낮기 때문)
    – 미세 유동의 흐름은 유체의 확산으로 인해 혼합되기전에 장거리 이동을 해야할 수 있음 (Peclet 수가 높기 때문)
  • 비침습 곡선 마이크로 채널을 사용하여 혼합을 유도할 수 있음
    – 섬세한 생물학적인 샘플은 분해되지 않습니다

곡선형 마이크로 믹서

  • Dean 수는 관성 및 원심력 대 점성력의 비율
  • 적절한 Dean 수에서, 횡류 장은 마이크로 채널로 유도 될 수 있음

믹싱 증가를 위한 마이크로 믹서 디자인 최적화

  • 최신 최적화 알고리즘을 사용하여 최적화 된 믹서 설계
  • 색다른 채널 모양이 믹싱을 개선

FLOW-3D What’s New Ver.12.0

FLOW-3D v12.0은 그래픽 사용자 인터페이스 (GUI)의 설계 및 기능에서 매우 큰 변화를 이룬 제품으로 모델 설정을 단순화하고 사용자 워크 플로를 향상시킵니다. 최첨단 Immersed Boundary Method(침수경계 방법)은 FLOW-3D v12.0 솔루션의 정확성을 높여줍니다. 다른 주요 기능으로는 슬러지 침강 모델, 2-Fluid 2-Temperature 모델 및 Steady State Accelerator가 있으며,이를 통해 사용자는 자유 표면 흐름을 더욱 빠르게 모델링 할 수 있습니다.

Physical and Numerical Model

Immersed boundary method

힘과 에너지 손실에 대한 정확한 예측은 고체 주위의 흐름과 관련된 많은 엔지니어링 문제를 모델링하는 데 중요합니다. 새 릴리스 FLOW-3 Dv1.2.0에는 이러한 문제점 해결을 위해 설계된 새로운 고스트 셀 기반 Immersed Boundary Method (IBM)가 있습니다. IBM은 내 외부 흐름 해석을 위해, 벽 근처에서 보다 정확한 해를 제공하여 드래그 앤 리프트 힘의 계산을 향상시킵니다.힘과 에너지 손실의 정확한 예측은 고체 주위의 흐름을 포함하는 많은 공학적 문제를 모델링 하는데 중요합니다.

Two-field temperature for the two-fluid model

2 유체 열전달 모델은 각 유체에 대한 에너지 전달 방정식을 분리하기 위해 확장되었습니다. 각 유체는 이제 자체 온도 변수를 가지므로 인터페이스 근처의 열 및 물질 전달 솔루션의 정확도가 향상됩니다. 인터페이스에서의 열전달은 이제 시간의 표 함수가 될 수 있는 사용자 정의 열전달 계수에 의해 제어됩니다.

블로그 보기

Sludge settling model

새로운 슬러지 정착 모델은 수처리 애플리케이션에 부가되어 사용자들이 수 처리 탱크와 클래리퍼의 고형 폐기물 역학을 모델링 할 수 있게 해 줍니다. 침전 속도가 분산상의 액적 크기의 함수 인 드리프트-플럭스 모델과 달리, 침전 속도는 슬러지 농도의 함수이며 기능 및 표 형식으로 입력 할 수 있습니다.

개발노트 읽기

Steady-state accelerator for free surface flows

이름에서 알 수 있듯이 정상 상태 가속기는 정상 상태 솔루션에 대한 접근을 빠르게합니다.
이것은 작은 진폭 중력과 모세관 표면파를 감쇠시킴으로써 달성되며 자유 표면 흐름에만 적용 할 수 있습니다.

개발노트 읽기

Void particles

Void particles 가 기포 및 상 변화 모델에 추가되었습니다. Void particles는 붕괴 된 Void 영역을 나타내며, 항력 및 압력을 통해 유체와 상호 작용하는 작은 기포로 작용합니다. 주변 유체 압력에 따라 크기가 변하고 시뮬레이션이 끝날 때의 최종 위치는 공기 유입 가능성을 나타냅니다.

Sediment scour model

퇴적물 수송 및 침식 모델은 정확성과 안정성을 향상시키기 위해 정비되었습니다. 특히 퇴적물 종의 질량 보존이 크게 개선되었습니다.

개발 노트 읽기>

Outflow pressure boundary condition

고정 압력 경계 조건에는 압력 및 유체 분율을 제외한 모든 유량이 해당 경계의 상류의 유량 조건을 반영하는 ‘유출’옵션이 포함됩니다. 유출 압력 경계 조건은 고정 압력 및 연속 경계 조건의 하이브리드입니다.

Moving particle sources

시뮬레이션 중에 입자 소스를 이동할 수 있습니다. 시간에 따른 병진 및 회전 속도는 표 형식으로 정의됩니다. 입자 소스의 운동은 소스에서 방출 된 입자의 초기 속도에 추가됩니다.

Variable center of gravity

기변 무게중심은 중력 및 비관 성 기준 프레임 모델에서, 시간의 함수로서 무게 중심의 위치는 외부 파일에서 테이블로서 정의 될 수있다. 이 기능은 연료를 소비하고 분리 단계를 수행하는 로켓과 같은 모형을 모델링 할 때 유용합니다.

공기 유입 모델

가장 간단한 부피 기반 공기 유입 모델 옵션이 기존 질량 기반 모델로 대체되었습니다. 질량 기반 모델은 부피와 달리 주변 유체 압력에 따라 부피가 변화하는 동안 흡입된 공기량이 보존되기 때문에 물리학적 모델입니다.

Tracer diffusion

유동 표면에서 생성된 추적 물질은 분자 및 난류 확산 과정에 의해 확산될 수 있으며, 예를 들어 실제 오염 물질의 동작을 모방한다.

Model Setup

Simulation units

온도를 포함하여 단위 시스템은 완전히 정의해야하는데 표준 단위 시스템이 제공됩니다. 또한 사용자는 다양한 옵션 중에서 질량, 시간 및 길이 단위를 정의 할 수 있으므로 사용자 정의가 가능한 편리한 단위를 사용할 수 있습니다. 사용자는 압력이 게이지 또는 절대 단위로 정의되는지 여부도 지정해야합니다. 기본 시뮬레이션 단위는 기본 설정에서 설정할 수 있습니다. 단위를 완전히 정의하면 FLOW-3D 가 물리량의 기본값을 정의하고 범용 상수를 설정하여 사용자가 요구하는 작업량을 최소화 할 수 있습니다.

Shallow water model

Manning’s roughness in shallow water model

Manning의 거칠기 계수는 지형 표면의 전단 응력 평가를 위해 얕은 물 모델에서 구현되었습니다. 표면 결함의 크기를 기반으로 기존 거칠기 모델을 보완하며 이 모델과 함께 사용할 수 있습니다. 표준 거칠기와 마찬가지로 매닝 계수는 구성 요소 또는 하위 구성 요소의 속성이거나 지형 래스터 데이터 세트에서 가져올 수 있습니다.

Mesh generation

하단 및 상단 경계 좌표의 정의만으로 수직 방향의 메시 설정이 단순화되었습니다.

Component transformations

사용자는 이제 여러 하위 구성 요소로 구성된 구성 요소에 회전, 변환 및 스케일링 변환을 적용하여 복잡한 형상 어셈블리 설정 프로세스를 단순화 할 수 있습니다. GMO (General Moving Object) 구성 요소의 경우, 이러한 변환을 구성 요소의 대칭 축과 정렬되도록 신체에 맞는 좌표계에 적용 할 수 있습니다.

Changing the number of threads at runtime

시뮬레이션 중에 솔버가 사용하는 스레드 수를 변경하는 기능이 런타임 옵션 대화 상자에 추가되어 사용 가능한 스레드를 추가하거나 다른 태스크에 자원이 필요한 경우 스레드 수를 줄일 수 있습니다.

Probe-controlled heat sources

활성 시뮬레이션 제어가 형상 구성 요소와 관련된 heat sources로 확장되었습니다. 히스토리 프로브로 열 방출을 제어 할 수 있습니다.

Time-dependent temperature at sources     

질량 및 질량 / 운동량 소스의 유체 온도는 이제 테이블 입력을 사용하여 시간의 함수로 정의 할 수 있습니다.

Emissivity coefficients

공극으로의 복사 열 전달을위한 방사율 계수는 이제 사용자가 방사율과 스테판-볼츠만 상수를 지정하도록 요구하지 않고 직접 정의됩니다. 후자는 이제 단위 시스템을 기반으로 솔버에 의해 자동으로 설정됩니다.

Output

  • 등속 필드 솔버 옵션을 사용할 때 유량 속도를 선택한 데이터 로 출력 할 수 있습니다 .
  • 벽 접착력으로 인한 지오메트리 구성 요소의 토크 는 기존 벽 접착력의 출력 외에도 일반 이력 데이터에 별도의 수량으로 출력됩니다.
  • 난류 모델 출력이 요청 될 때 난류 에너지 및 소산과 함께 전단 속도 및 y +가 선택된 데이터로 자동 출력됩니다 .
  • 공기 유입 모델 출력에 몇 가지 수량이 추가되었습니다. 자유 표면을 포함하는 모든 셀에서 혼입 된 공기 및 빠져 나가는 공기의 체적 플럭스가 재시작 및 선택된 데이터로 출력되어 사용자에게 공기가 혼입 및 탈선되는 위치 및 시간에 대한 자세한 정보를 제공합니다. 전체 계산 영역 및 각 샘플링 볼륨 에 대해이 두 수량의 시간 및 공간 통합 등가물 이 일반 히스토리 로 출력됩니다.
  • 솔버의 출력 파일 flsgrf 의 최종 크기 는 시뮬레이션이 끝날 때보 고됩니다.
  • 2 유체 시뮬레이션의 경우, 기존의 출력 수량 유체 체류 시간 및 유체 가 이동 한 거리는 이제 유체 # 1 및 # 2와 유체의 혼합물에 대해 별도로 계산됩니다.
  • 질량 입자의 경우 각 종의 총 부피와 질량이 계산되어 전체 계산 영역, 샘플링 볼륨 및 플럭스 표면에 대한 일반 히스토리 로 출력되어 입자 종 수에 대한 현재 출력을 보완합니다.
  • 예를 들어 사용자가 가스 미순환을 식별하고 연료 탱크의 환기 시스템을 설계하는 데 도움이 되도록 마지막 국부적 가스 압력이 옵션 출력량으로 추가되었습니다. 이 양은 유체가 채워지기 전에 셀의 마지막 간극 압력을 기록하며, 단열 버블 모델과 함께 사용됩니다.

New Customizable Source Routines

사용자 정의 가능한 새로운 소스 루틴이 추가되었으며 사용자의 개발 환경에서 액세스 할 수 있습니다.

소스 루틴 이름설명
cav_prod_cal캐비 테이션 생산 및 확산 속도
sldg_uset슬러지 정착 속도
phchg_mass_flux증발 및 응축에 의한 질량 흐름
flhtccl유체#1과#2사이의 열 전달 계수
dsize_cal2상 유동에서의 동적 낙하 크기 모델의 충돌 및 이탈율
elstc_custom.점탄성 유체에 대한 응력 방정식의 소스 용어

Brand New User Interface

FLOW-3D의 사용자 인터페이스가 완전히 재설계되어 사용자의 작업 흐름을 획기적으로 간소화하는 최신의 타일 구조를 제공합니다.

Dock widgets 설정

Physics, Fluids, Mesh 및 FAVOR ™를 포함한 모든 설정 작업이 형상 창 주위의 dock widgets으로 변환되어 모델 설정을 단일 탭으로 압축 할 수 있습니다. 이 전환을 통해 이전 버전의 복잡한 트리가 훨씬 깔끔하고 효율적인 메뉴 표시로 바뀌어 모델 설정 탭을 떠나지 않고도 모든 매개 변수에 쉽게 액세스 할 수 있습니다.

New Model Setup icons
With our new Model Setup design comes new icons, representing each step of the setup process.
New Physics icons
Our Physics icons are designed to be easily differentiated from one another at a glance, while providing clear visual representation of each model’s purpose and use.

RSS feed

새 RSS 피드부터 FLOW-3D v12.0 의 시뮬레이션 관리자 탭이 개선되었습니다 . FLOW-3D 를 시작하면 사용자에게 Flow Science의 최신 뉴스, 이벤트 및 블로그 게시물이 표시됩니다.

Configurable simulation monitor

시뮬레이션을 실행할 때 중요한 작업은 모니터링입니다. FLOW-3Dv12.0에서는 사용자가 시뮬레이션을 더 잘 모니터링할 수 있도록 Simulation Manager의 플로팅 기능이 향상되었습니다. 사용자는 시뮬레이션 런타임 그래프를 통해 모니터링할 사용 가능한 모든 일반 기록 데이터 변수를 선택하고 각 그래프에 여러 변수를 추가할 수 있습니다. 이제 런타임에서 사용할 수 있는 일반 기록 데이터는 다음과 같습니다.

  • 최소/최대 유체 온도
  • 프로브 위치의 온도
  • 유동 표면 위치에서의 유량
  • 시뮬레이션 진단(예:시간 단계, 안정성 한계)
Runtime plots of the flow rate at the gates of the large dam / Large dam with flux surfaces at the gates

Conforming mesh visualization

사용자는 이제 새로운 FAVOR ™ 독 위젯을 통해 적합한 메쉬 블록을 시각화 할 수 있습니다 .

Large raster and STL data

데이터를 처리하는 데 걸리는 시간으로 인해 큰 형상 데이터를 처리하는 것은 어려울 수 있습니다. 대형 지오메트리 데이터를 처리하는 데 여전히 상당한 시간이 소요될 수 있지만 FLOW-3D는 이제 이러한 대형 데이터 세트를 백그라운드 작업으로로드하여 사용자가 데이터를 처리하는 동안 완벽하게 응답하고 중단없는 인터페이스에서 계속 작업 할 수 있습니다.

Cavitation(공동현상)

Cavitation(공동현상)

공동 현상은 유체 흐름의 압력이 매우 낮거나 온도 상승으로 인해 유체 내에서 증기 및 / 또는 가스 버블이 빠르게 진화하여 포화 압력을 높입니다. 기포의 갑작스런 출현 (및 후속 붕괴)은 비압축성 유체 내에서 압력의 급격한 변화를 일으켜 심각한 기계적 손상을 일으킬 수 있습니다. 캐비테이션에 의해 유발된 힘은 1983 년 글렌 캐년 댐의 유출로에서 발생한 손상으로 볼 수 있듯이 며칠 만에 수 피트의 암석을 침식 할 가능성이 있습니다 (Lee and Hoopes, 1996).

또한, 캐비테이션은 고압 다이 캐스팅에서 발생할 수 있습니다. 다이의 수축 및 곡선을 통한 용융 합금의 빠른 이동은 압력 강하를 빠르게하여 후속 캐비테이션을 유발할 수 있습니다. 생성 된 증기 기포는 최종 주조에서 다공성을 야기하거나, 더 악화되어, 다이를 손상시켜 주조를 오염시키고 다이 수명을 감소시킬 수 있습니다. 이러한 이유로, 캐비테이션이 발생할 가능성이 있는 영역을 이해하는 것이 중요합니다. 물리적 실험을 통해 캐비테이션을 시작하고 시각화하는 것은 어렵고, 잠재적으로 피해를 주기 때문에 공정을 시뮬레이션하는 것이 바람직합니다.

실증 사례

  • 물 및 환경 구조 내에서 손상된 캐비테이션 시뮬레이션
  • 고압 다이캐스팅 중 캐비테이션을 시뮬레이션하여 다이 손상 및 캐스팅 다공성을 유발할 수 있습니다.
  • MEMS 장치 내에서 열 기포 형성 시뮬레이션
  • 열전달 표면의 비등 거동 예측
  • 캐비테이션 역학으로 인한 혼합 예측

Cavitation(공동현상) FLOW-3D모델링

FLOW-3D의 현재 캐비테이션 모델은 열 버블 제트(Thermal bubble jets) 및 MEMS 장치를 시뮬레이션하는 데 성공적으로 사용되었습니다. FLOW-3D는 “Active”또는 “Passive”모델 옵션을 제공합니다. 능동형(Active) 모델은 기포 영역을 열고 수동형 모델은 흐름을 통해 캐비테이션 기포의 존재를 추적하고 전진하지만 기포 영역의 형성은 시작하지 않습니다.

능동형(Active) 모델은 더 큰 캐비테이션 영역이 예상되고 유동장에 영향을 미치는 경우에 가장 적합한 반면, 수동형(Passive) 모델은 작은 기포의 짧은 모양이 예상되는 시뮬레이션에 가장 적합합니다. 에너지 전송의 능동 모델과 계산을 통해 위상 변화(Phase change)도 옵션입니다. 기포는 계면(Surface)에서의 증발 또는 응축으로 인해 추가로 팽창 또는 수축 될 수 있습니다.

해석 사례

아래의 결과는 8m/s의 진입 속도, 18°의 수렴 기울기 및 8°의 발산 기울기를 가진 벤투리(Venturi) 내의 캐비테이션을 보여줍니다. 캐비테이션의 과도 거동이 잘 모델링되었으며, 모델은 22ms의 실험 결과와 비교하여 17.4ms의 캐비테이션 사이클 주기(Cycle period)를 예측합니다 (Stutz and Reboud 1997).

물 탱크를 통과하는 고속 발사체를 시뮬레이트하여 발사체의 웨이크에서 발생하는 저압 영역에서 공동화 깃털(Cavitation jets)을 보여줍니다. 발사체의 초기 속도는 600m/s입니다. 아래는 탱크에서의 움직임과 후미 캐비테이션 유체의 해석 결과입니다. 캐비테이팅 플룸(Cavitating plume)의 반경은 발사체가 감속함에 따라 좁아집니다.

참고 문헌

  • Lee, W., Hoopes, J.A., 1996, Prediction of Cavitation Damage for Spillways, Journal of Hydraulic Engineering, 122(9): 481-488.
  • Plesset, M.S., Prosperetti, A., 1977, Bubble Dynamics and Cavitation, Annual Revue of Fluid Mech, 9: 145-185.
  • Rouse, H., 1946. Elementary Mechanics of Fluids, New York: Dover Publications, Inc.
  • Stutz, B., Reboud, J.L., 1997, Experiments on unsteady cavitation, Experiments in Fluids, 22: 191-198.

Air Entrainment(공기혼입) Analysis

일부 자유 표면 유동에서 난류 또는 특정 유동조건으로 인해 자유 표면에 가스(Air)가 혼입될 수 있습니다. 그러므로 유동 해석시 가스(Air) 혼입에 대한 고려를 해야합니다.

공기혼입의 예시

  • 댐 수문게이트
  • 정화장치 부문
  • Dam aerated flow region(댐 공기 유동 영역) etc.

Air entrainment physical processes(공기 혼입 물리 프로세스)

  • Entrained air transprot(혼입 공기 수송 모델)
    : 혼입계수(The Entrainment rate coefficient)는 0.5가 적합
    : 표면장력(The surface tension) 고려
  • Bulking : Variable density(가변 밀도 모델)
    : 유입 유체의 밀도 조정은 유체 및 공기 밀도의 조합을 설명하기 위해 자동으로 계산됩니다. 결과적으로, 체적 유량은 유체 및 혼입 된 공기 혼합물의 총 체적 유량이며, 경계(Boundary)에서 공기의 농도를 정의 할 때 사용자가 고려해야합니다.
  • Turbulence model(RANS, RNG etc.)
    : 공기 혼입(Air entrainment) 모델을 사용할 때 적절한 난류모델을 고려해야 합니다. 난류 모델에 대한 설명은 아래 링크를 참조하시길 바랍니다.

/wp-admin/post.php?post=2873&action=edit

  • Buoyancy : Variable density + Drift-Flux(부력의 효과)
    : 부력(Buoyancy force) 효과를 고려하면 드리프트 플럭스 모델(Drift-Flux model)과의 상호 작용을 설명 할 수 있습니다. 이 경우, 기포는 밀도의 차이로 인해 유체 내에서 이동할 수 있으며 유체 운동에 영향을 줄 수 있습니다.

공기 혼입 모델(Air entrainement model) 해석 사례

Electro (&magneto) hydro-dynamics

Electro (&magneto) hydro-dynamics 사례

  • FLOW-3D models
  • Electrophoresis
  • Dielecrophoresis
  • Conductive fluid model
  • Electro-wetting
  • Electro-osmosis
  • Joules heating

Electrophoresis

  • Electric charge / electrophoresis
  • Particle sorting

Electro-wetting

  • Integrates effects of electrophoresis and dielectrophoresis
  • Induced charges manipulate fluid at micro/nano volumes
  • Electrowetting on dielectric (EWOD).

Dielectrophoresis (DEP)

DEP는 particle/fluid의 dielectric 특성이 주변 매체의 dielectric 특성과 다를 때만 발생한다.

Inputs required:

  • Dielectric constant of the fluid and or particles
  • Dielectric constant of any components, that may influence the electric field
  • Define electric potential on the components or on the mesh boundaries
  • Permittivity of vacuum.

섬세한 경계를 가진 두 개의 유체, 표면 장력, electric potential, fluid electric charge, dielectrophoresis, newtonian viscosity

Electro osmosis

Micro-pump example

  • Zeta potential
  • Electric field defined by the electric potential on the components or on the mesh boundaries.
  • Permittivity of vacuum
  • Flow rate control through device

Inputs required:

  • Zeta potential
  • Electric field defined by the electric potential on the components or on the mesh boundaries.
  • Permittivity of vacuum
  • Flow rate control through device

Electro-thermal effects (Joules heating)

  • 전류가 물질을 통해 흐를 때 그 저항성은 물질을 가열하게 하며, 이 효과를 joule heating이라고 한다.
  • 온도 구배 설정 속도 필드 및 장치의 유체 순환

Magneto Hydrodynamics

  • 자력에 의해 입자가 유선으로부터 이탈한다.

Xiaozheng Xue1, Ioannis H. Karampelas1, Chenxu Liu2 and Edward P. Furlani1,2
1 Department of Chemical and Biological Engineering
2 Department of Electrical Engineering
SUNY at Buffalo
FLOW-3D Americas User Conference , Toronto, 2014

Magneto Hydrodynamics

  • 자기 제어로 유체 혼합 사용

Use of magnetic field to align beads

John Wendelbo MEng, MSc.
Senior CFD Engineer, Flow Science
john.wendelbo@flow3d.com

Lab-on-a-chip

다양한 표면 장력을 사용하여 도장된 표면

마이크로 채널의 패턴 표면은 액체 사이의 실제 물리적 벽 없이 여러 액체가 나란히 흐르는 특정 경로를 따라 한 저장 장치에서 다른 저장 장치로 액체를 운반하는 데 사용될 수 있습니다. 패턴이 있는 표면은 액체를 lab-on-a-chip, 생물학적 경로, 마이크로 프로세서 및 화학적, 생물학적 감지 장치로 운반하는 데 사용됩니다.

이 경우 표면 장력은 미세 채널의 유체 흐름을 조작하여 패턴이 있는 흐름을 만드는 데 사용됩니다. 고체 표면에 있는 유체의 친수성 또는 소수성 거동은 마이크로 채널을 통해 복수 유체의 움직임을 제어하기 위해 이용됩니다.

마이크로 채널 내부의 유체 흐름은 층류로, 이는 다중 유체 흐름(이 경우 2개)이 난류 혼합 없이 나란히 흐를 수 있음을 의미합니다. 유체 스트림 측면에 물리적 벽이 없기 때문에 스트림은 이른바 가상 벽으로 제한됩니다. 이 벽들은 기본적으로 두 액체 사이의 친수성 경계입니다.