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

다공성 미디어 및 나노유체에 의해 강화된 수집기로 태양광 CCHP 시스템의 최적화

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


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

Abstract

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

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

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

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

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

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

1. Introduction

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

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

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

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

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

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

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

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

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

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

2. Cycle Description

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

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

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

2.1. System Analysis Equations

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

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

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

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

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

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

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

Also, the auxiliary boiler heat load is [2]

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

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

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

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

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

Second step: calculating heating loads [9]:

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

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

In the third step, calculated exergy analysis as follows.

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

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

The received exergy from the collector is [9]

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

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

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

Cooling exergy in summer is calculated [9]:

Heating exergy in winter is calculated [9]:

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

3. Porous Media

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

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

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

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

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

3.1. Nano Fluid

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

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

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

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

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

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

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

The mixture viscosity is calculated as follows [30]:

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

4. Results and Discussion

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

Figure 4 Verification charts of energy analysis results.

Figure 5 Verification charts of exergy analysis results.

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

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

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

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

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

Figure 7 Energy and exergy efficiency of the SCCHP.

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

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

5. Conclusion and Future Directions

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

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

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

Nomenclature

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

Greek symbols

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

Abbreviations

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

Data Availability

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

Conflicts of Interest

The authors declare that they have no conflicts of interest.

Acknowledgments

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

References

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

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

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

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

Abstract

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

Keywords

Exergy analysisSolar cogeneration systemPorous mediaNanofluid

References

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

Details

Primary LanguageEnglish
SubjectsEngineering
Journal SectionArticles
AuthorsN. TONEKABONI  This is me
Islamic Azad University Nour Branch
0000-0002-1563-4407
IranH. SALARIAN  This is me (Primary Author)
Islamic Azad University Nour Branch
0000-0002-2161-0276
IranM. Eshagh NIMVARI  This is me
Amol University of Special Modern Technologies
0000-0002-7401-315X
IranJ. KHALEGHINIA  This is me
Islamic Azad University Nour Branch
0000-0001-5357-193X
Iran
Publication DateSeptember 2, 2021
Application DateDecember 28, 2020
Acceptance DateMay 9, 2020
Published in IssueYear 2021, Volume 7, Issue 6
Fig. 2. Schematic indication of the separate parts comprising the rotary kiln model, together with the energy fluxes from Eq. (1).

화염 모델링, 열 전달 및 클링커 화학을 포함한 시멘트 가마에 대한 CFD 예측

E Mastorakos Massias 1C.D Tsakiroglou D.A Goussis V.N Burganos A.C Payatakes 2

Abstract

실제 작동 조건에서 석탄 연소 회전 시멘트 가마의 클링커 형성은 방사선에 대한 Monte Carlo 방법, 가마 벽의 에너지 방정식에 대한 유한 체적 코드 및 클링커에 대한 화학 반응을 포함한 에너지 보존 방정식 및 종에 대한 새로운 코드. 기상의 온도 장, 벽으로의 복사 열유속, 가마 및 클링커 온도에 대한 예측 간의 반복적인 절차는 내부 벽 온도의 분포를 명시적으로 예측하는 데 사용됩니다. 여기에는 열 흐름 계산이 포함됩니다. 수갑. 가스와 가마 벽 사이의 주요 열 전달 모드는 복사에 의한 것이며 내화물을 통해 환경으로 손실되는 열은 입력 열의 약 10%이고 추가로 40%는 장입 가열 및 클링커 형성. 예측은 실제 규모의 시멘트 가마에서 경험과 제한된 측정을 기반으로 한 경향과 일치합니다.

키워드

산업용 CFD, 로타리 가마, 클링커 형성, 복사 열전달, Industrial CFD, Rotary kilns, Clinker formation, Radiative heat transfer

1 . 소개

시멘트 산업은 에너지의 주요 소비자이며, 미국에서 산업 사용자의 총 화석 연료 소비량의 약 1.4%를 차지하며 [1] 일반적인 비에너지 사용량은 제조된 클링커 1kg당 약 3.2MJ [2] 입니다. CaCO 3  →  CaO  +  CO 2 반응이 일어나기 때문입니다., 클링커 형성의 첫 번째 단계는 높은 흡열성입니다. 시멘트 가마에서 에너지를 절약하기 위한 현재의 경향은 일반적으로 길이가 약 100m이고 직경이 약 5m인 회전 실린더인 가마를 떠나는 배기 가스로부터 에너지를 보다 효율적으로 회수하는 것과 저열량 연료의 사용에 중점을 둡니다. 값. 2-5초 정도의 화염 체류 시간을 허용하고 2200K의 높은 온도에 도달하는 회전 가마의 특성은 또한 시멘트 가마를 유기 폐기물 및 용제에 대한 상업용 소각로에 대한 경쟁력 있는 대안으로 만듭니다 [3]. 클링커의 형성이 이러한 2차 액체 연료의 사용으로 인한 화염의 변화로부터 어떤 식으로든 영향을 받지 않도록 하고, 대기 중으로 방출되는 오염 물질의 양에 대한 현재 및 미래 제한을 준수할 수 있도록, 화염 구조의 세부 사항과 화염에서 고체 충전물로의 열 전달을 더 잘 이해할 필요가 있습니다.

최근 시멘트 가마 4 , 5 , 6 , 7 에서 유동장 및 석탄 연소의 이론적 모델링복사 열 전달을 포함한 전산 유체 역학(CFD) 코드를 사용하여 달성되었습니다. 이러한 결과는 시멘트 가마에 대한 최초의 결과였으며 화염 길이, 산소 소비 등과 관련하여 실험적으로 관찰된 경향을 재현했기 때문에 그러한 코드가 수용 가능한 정확도로 대규모 산업용 용광로에 사용될 수 있음을 보여주었습니다. 킬른과 클링커는 포함하지 않았고, 벽온도의 경계조건은 가스온도와 용액영역의 열유속에 영향을 미치므로 계산에 필요한 경계조건은 예측하지 않고 실험적 측정에 기초하였다. 기상에 대한 CFD 솔루션은 앞으로의 주요 단계이지만 회전 가마를 포괄적으로 모델링하는 데만으로는 충분하지 않습니다.

내화물의 열 전달과 전하에 대한 세부 사항은 다양한 저자 8 , 9 , 10 , 11에 의해 조사되었습니다 . 충전물(보통 잘 혼합된 것으로 가정)은 노출된 표면에 직접 복사되는 열 외에도 전도에 의해 가마 벽에서 가열됩니다. 가장 완전한 이론적 노력에서, 가마 벽 (내화물)에 대한 3 차원 열전도 방정식을 해결하고, 두 개 또는 세 개의 인접하는 영역으로 한정 한 좌표 축 방향에서 어느 방사선 방사선 열전달 영역 모델과 결합 [ 10] 또는 자세히 해결 [11]. 그러나 클링커 형성 중에 일어나는 화학 반응은 고려되지 않았고 기체 상이 균일한 온도로 고정되어 필요한 수준의 정확도로 처리되지 않았습니다.

최종적으로 연소에 의해 방출되는 에너지(일부)를 받는 고체 전하가 화학 반응을 거쳐 최종 제품인 클링커를 형성합니다. 이것들은 [12]에 설명된 주요 특징에 대한 단순화된 모델과 함께 시멘트 화학 문헌에서 광범위한 조사의 주제였습니다 . 그 작업에서, 고체 온도 및 조성의 축 방향 전개를 설명하는 odes가 공식화되고 해결되었지만, 전하에 대한 열유속 및 따라서 클링커 형성 속도를 결정하는 가스 및 벽 온도는 1차원으로 근사되었습니다. 자세한 화염 계산이 없는 모델.

화염, 벽 및 장입물에 대한 위의 이론적 모델 중 어느 것도 회전식 가마 작동을 위한 진정한 예측 도구로 충분하지 않다는 것이 분명합니다. 국부 가스 온도(CFD 계산 결과 중 하나)는 벽 온도에 크게 의존합니다. 클링커 형성은 에너지를 흡수하므로 지역 가스 및 벽 온도에 따라 달라지며 둘 다 화염에 의존합니다. 벽은 화염에서 클링커로의 순 열 전달에서 “중개자” 역할을 하며, 내화재 두께에 따라 환경으로 피할 수 없는 열 손실이 발생합니다. 이러한 상호 의존성은 가마의 거동에 중요하며 개별 프로세스를 개별적으로 계산하는 데 중점을 두었기 때문에 문헌에서 발견된 수학적 모델로는 다루기 어렵습니다.

본 논문에서 우리는 위에 설명된 유형의 세 가지 개별 모델을 결합하여 수행되는 회전식 시멘트 가마에서 발생하는 대부분의 공정에 대한 포괄적인 모듈식 모델을 제시합니다. 우리 작업은 4 , 5 , 6 , 7 에서와 같이 석탄 연소를 위한 다차원 CFD 코드로 기체 상태를 처리합니다 . 10 , 11 에서와 같이 가마 벽의 3차원 열전도 방정식을 풉니다 . 9 , 12 와 유사한 모델로 잘 혼합된 전하 온도 및 조성을 해결합니다.. 3개의 모듈(화염, 벽, 전하)은 내화물에 입사하는 열유속의 축 분포에 대해 수렴이 달성될 때까지 반복적으로 계산됩니다. 충전 온도 및 구성. 따라서 이전 작업에 비해 현재의 주요 이점은 완전성에 있습니다. 이는 가스-킬른-클링커 시스템의 다양한 부분에서 에너지 흐름의 정량화를 통해 킬른 작동에 대한 더 나은 이해를 가능하게 하고 여기에서 사용된 방법을 건조 및 소각과 같은 다른 회전 킬른 응용 분야에 적용할 수 있게 합니다.

이 문서의 특정 목적은 회전식 시멘트 가마에 대한 포괄적인 모델을 제시하고 화염에서 클링커로의 에너지 플럭스와 가마에서 열 손실을 정량화하는 것입니다. 이 문서의 나머지 부분은 다음과 같이 구성됩니다. 2장 에서는 다양한 모델과 해법을 제시하고 3장 에서는 그 결과를 제시하고 논의한다 . 여기에는 본격적인 회전식 시멘트 가마의 제한된 측정값과의 비교가 포함됩니다. 이 논문은 가장 중요한 결론의 요약으로 끝납니다.

2 . 모델 공식화

2.1 . 개요

Fig. 1 은 시멘트 로터리 킬른의 단면을 보여준다. 가마의 회전은 전하의 움직임을 유도하여 후자를 대략적으로 잘 혼합되도록 합니다 [10] , 여기에서 채택할 가정입니다. 우리는 이 코팅을 클링커와 유사한 물리적 특성의 고체 재료로 모델링하여 가마 내화물에 부착된 클링커의 존재를 허용할 것입니다. 우리는 이 층의 두께가 가마를 따라 균일하다고 가정합니다. 이것은 아마도 지나치게 단순화한 것일 수 있지만 관련 데이터를 사용할 수 없습니다. 모델 설명을 진행하기 전에 그림 2 에 개략적으로 표시된 회전식 가마의 다양한 에너지 흐름을 이해하는 것이 중요합니다 .

석탄 연소에 의해 방출되는 에너지(단위 시간당)( 석탄 )는 배기 가스(Δ 가스 )와 함께 가마 밖으로 흘러 가마 벽에 직접 복사( rad ) 및 대류( conv )됩니다. 공급 및 배기 덕트( rad,1  + rad,2 ) 에 대한 축 방향의 복사에 의해 작은 부분이 손실됩니다 . 전하 가마 시스템은 복사( rad ) 및 대류( conv )에 의해 가스로부터 에너지(Δ cl )를 흡수 하고 주변으로 열을 잃습니다( Q 손실 ). 전체 에너지 균형에서 개별 항의 계산, 즉(1a)큐석탄=ΔH가스-Q라드-Q전환-Q일, 1-Q일, 2,(1b)큐라드+Q전환=ΔH클+Q손실여기에서 다음 섹션에 설명된 대로 가스, 가마 및 클링커에 대한 이산화 에너지를 국부적으로 해결함으로써 수행됩니다.

2.2 . CFD 코드

가스 운동량, 종 농도 및 에너지의 Favre 평균 방정식은 표준 k – ε 모델을 사용하여 방사 모듈(RAD-3D)과 함께 상업적으로 이용 가능한 축대칭 CFD 코드(FLOW-3D)에 의해 해결됩니다. [13] . 기하학이 실제로 3차원이고 벽 온도의 각도 분포가 존재하지만 합리적인 시간과 현재 워크스테이션에서 완전한 3으로 솔루션을 얻을 수 있도록 기체상을 축대칭으로 취급합니다. -D를 요구하는 해상도로 계산하려면 슈퍼컴퓨터에 의존해야 합니다. FLOW-3D에서 사용되는 다양한 하위 모델의 일부 기능과 벽 경계 조건에 대한 특수 처리는 다음과 같습니다.

2.2.1 . 석탄 연소

Rossin-Rammler 크기 분포(45μm 평균 직경, 1.3 지수 [6] )를 따르는 석탄 입자 는 CPU 시간을 줄이기 위해 솔루션 영역(즉, 확률적 구성 요소 없이)에서 결정론적으로 추적되었지만 분산을 과소 평가하는 단점이 있습니다 . 14] . 입자는 2-반응 모델에 따라 휘발되도록 허용되었고 휘발성 연소는 무한히 빠른 것으로 간주되었습니다. 석탄 연소에 대한 설명의 세부 사항은 FLOW-3D에서 석탄 휘발 및 열분해의 “표준” 상수 집합이 합리적인 결과를 제공하고 Ref. [5] .

2.2.2 . 복사와 대류

가스의 복사 강도는 RAD-3D 모듈을 사용하여 80,000개의 입자로 Monte-Carlo 방법으로 계산되었습니다. 가마는 반경 방향으로 7개, 축 방향으로 19개(크기가 0.1  ×  1.0 m와 0.2  ×  5.0 m 사이)로 불균일한 구역으로 나뉘었으며 각 구역 에서 방사선 강도가 균일하다고 가정했습니다. 방사선 모듈의 출력은 내부적으로 FLOW-3D에 대한 유체 계산에 인터페이스되고 외부적으로 벽 및 클링커에 대한 코드에 인터페이스되었습니다( 섹션 2.3 섹션 2.4 참조). 방사선 패키지의 이산화된 구역은 CFD 그리드의 셀보다 훨씬 커야 하므로 구역에 온도 평균이 형성될 수 있는 많은 셀이 포함될 수 있다는 점을 이해하는 것이 중요합니다. 상대적으로 조잡한 복사 구역의 분해능과 Monte-Carlo 방법의 통계적 특성은 구역의 복사 열유속이 더 미세한 구역화 및 더 많은 입자로 몇 번의 실행에 의해 결정된 바와 같이 최대 약 10%까지 부정확할 수 있음을 의미합니다. 또한 경계면에 입사하는 열유속은 영역 크기보다 미세한 분해능으로 결정할 수 없으므로 복사 열유속은 벽에 인접한 19개 영역 각각의 중심에서만 계산됩니다. 0.15m -1 의 흡수 계수는 Ref.[11] . 엄밀히 말하면, 흡수 계수는 국부적 가스 조성과 온도의 함수이므로 균일하지 않아야 합니다. 그러나 가스 조성은 가마의 일부만 차지하는 화염 내에서만 변 하므로( 3절 참조 ) 균일한 흡수 계수를 가정하는 것이 합리적입니다. 또한, 현재 버전의 소프트웨어는 FLOW-3D의 반복 프로세스 동안 이 요소의 자동 재조정을 허용하지 않습니다. 여기서 로컬 가스 특성이 계산되므로 일정하고 균일한 흡수 계수가 필요합니다.

최종적으로, 벽에서 대류 열전달이 플로우 3D 패키지에서 표준 출력 표준 “벽 기능”제형에 혼입 난류 경계층에 대한 식에 기초하고,의 속도 경계 조건과 유사한 K – ε 모델. FLOW-3D 및 RAD-3D에서 입력으로 사용하고 출력으로 계산된 다양한 양은 그림 3에 개략적으로 표시 됩니다.

2.2.3 . 그리드

반경 방향 47개, 축 방향 155개 노드를 갖는 불균일한 격자를 사용하였으며 격자 독립성 연구를 수행한 결과 충분하다고 판단하였다. 유사한 크기의 그리드도 Refs에서 적절한 것으로 밝혀졌습니다. 4 , 5 , 6 , 7 . 매우 높은 축 방향 및 소용돌이 속도로 인해 석탄 버너 유정에 가까운 지역을 해결하기 위해 특별한 주의를 기울였습니다. HP 715/100MHz 워크스테이션에서 이 그리드의 일반적인 CPU 시간은 10시간이었습니다.

2.2.4 . 경계 조건

벽 온도에 대한 경계 조건은 기체상 및 복사 솔버 모두에 필요하다는 것을 인식하는 것이 중요합니다. 아래에서는 4 , 5 , 6 , 7 을 규정하기 보다는 축대칭 그리드에 대한 이 온도 분포를 예측하는 대략적인 방법을 설명합니다 .

내벽 온도 w ( in , x , ϕ ) 의 각도 분포 가 알려져 있다고 가정합니다 . 그런 다음 전체 3차원 문제를 “동등한” 축대칭 문제로 줄이기 위해 가상의 내벽 온도 RAD ( x )는(2)2πε에티4라드(x) = ε클∫0ㄷ티4클(엑스)디ϕ + ε에∫ㄷ2π티4에(아르 자형~에, x, ϕ)디ϕ”효과적인” 경계 조건으로 사용할 수 있습니다. RAD ( x )는 방위각으로 평균화된 “복사 가중” 온도입니다. 필요한 경계 조건으로 이 온도를 사용하는 것은 복사가 열 전달을 지배한다는 기대에 의해 동기가 부여됩니다(후반부 확인, 섹션 3.4 ). 따라서 전체 3차원 문제와 이 “유효한” 축대칭 문제에서 가스에서 가마로의 전체 에너지 흐름은 거의 동일할 것으로 예상됩니다.  의 사용 (2) 축대칭 코드로 기체상 및 복사장을 계산할 수 있으므로 엔지니어링 워크스테이션을 사용하여 문제를 다루기 쉽습니다.

고려되는 가마의 규모와 온도에서 가스는 광학적으로 두꺼운 것으로 간주될 수 있습니다. 솔루션(나중에 제시됨)은 평균 경로 길이(즉, “광자”의 모든 에너지가 흡수되기 전의 평균 길이)가 약 3.2m임을 보여주며, 이는 가마 내경 4.1m보다 작습니다. 이것은 내벽에 입사하는 복사 플럭스가 국부적 벽과 가스 온도에 강하게 의존하고 더 먼 축 또는 방위각 위치에서 벽의 온도에 약하게만 의존함을 의미합니다. 이것은 기체상에 사용된 축대칭 근사에 대한 신뢰를 줍니다. 그것은 또한 Refs의 “구역 방법”을 의미합니다. 8 , 9 , 10표면에 입사하는 방사선이 1-2 구역 길이보다 더 먼 축 위치와 무관한 것으로 간주되는 경우에는 충분했을 것입니다.

2.3 . 가마 온도

내부 소성로 표면 온도 w ( in , x , ϕ )는 Eq. 에서 필요합니다 (2) 및 가마 벽 에너지 방정식의 솔루션 결과의 일부입니다. 각속도 ω로 회전하는 좌표계 에서 후자는 [10] 이 됩니다 .(3)ω∂(ϱ에씨피티에)∂ϕ=1아르 자형∂∂아르 자형에게에아르 자형∂티에∂아르 자형+1아르 자형2∂∂ϕ에게에∂티에∂ϕ+∂∂엑스에게에∂티에∂엑스경계 조건에 따라(3a)r=R~에,Θ<ϕ⩽2π:에게∂티에∂아르 자형=q라드(x)+q전환(엑스),(3b)r=R~에, 0 <ϕ⩽Θ:에게∂티에∂아르 자형=qw–cl(x, ϕ) = hw–cl티클(x)-T에(아르 자형~에, x, ϕ),(3c)r=R밖, 0 <ϕ⩽2π:.케이∂티에∂아르 자형=h쉿티쉿-T∞+ ε쉿티4쉿-T4∞.

전도도, 밀도 및 비열용량에 대한 값은 실제 가마에 사용되는 내화물 재료에 대한 제조업체 정보에서 가져옵니다 [15] . 외부 쉘 온도 sh = w ( out , x , ϕ )는 x 및 ϕ 에 따라 달라질 수 있습니다 .

위 방정식에 대한 몇 가지 의견이 있습니다. 에서는 식. (3a) 에서 열유속의 방위각 의존성이 제거되었습니다. 이전에 언급했듯이 흐름은 광학적으로 두꺼운 것으로 간주됩니다. 즉, 화염이 너무 방사되고 너무 넓기 때문에 벽면 요소가 화염을 가로질러 반대쪽 벽을 “보지” 않습니다. 따라서 rad ( x , ϕ ) 의 계산은 다른 각도 위치로부터의 복사를 포함할 필요 없이 가스 ( r , x ) 및 로컬 w ( in , x , ϕ )를 기반으로 할 수 있습니다. 여기부터 qrad ( x )는 Eq. 의 방위각 평균 온도를 기반으로 하는 축대칭 RAD-3D 솔루션에서 가져옵니다 (2) , 결과적인 rad ( x )는 어떤 의미에서 방위각으로 평균된 열유속입니다. 식 따라서 (3a) 는 우리가 이 열유속을 모든 ϕ 에 등분포한다는 것을 의미합니다 . Eq 에서 rad 의 각도 변화를 무시한다는 점에 유의하십시오 . (3a) 는 Refs. [10] 또는 [11] 이 우선되어야 합니다.

소성로와 장입물 사이의 열전달 계수 w-cl 은 소성로의 에너지 흐름과 온도를 정확하게 예측하는 데 중요하지만 잘 알려져 있지 않습니다. 500 W / m의 전형적인 값  K는 여기에 제시된 결과 사용되고있다 [8] . 계산된 w ( r , x , ϕ ) 및 RAD ( x) 이 계수의 선택에 따라 달라지지만 예측은 질적으로 변하지 않습니다. 껍질에서 대기로의 열 전달은 복사와 별도로 강제 및 자연 대류를 통해 발생합니다. 자연 대류에 대한 열전달 계수는 Ref. [11] , 현재 조건에서 약 5 W/m 2 K의 일반적인 값 을 사용합니다. 그러나 쉘에 불어오는 외부 팬은 과열을 피하기 위해 산업에서 종종 사용되며 이러한 효과는 총 sh =30 W/m 2 K 를 사용하여 여기에서 모델링 되었습니다. 방사율에는 다음 값이 사용되었습니다. ε w = ε cl = 0.9 및 ε sh = 0.8.

식 (3) 은 가마의 방사형 기울기가 훨씬 더 가파르기 때문에 방위각 및 축 전도를 무시한 후 명시적 유한 체적 방법으로 해결되었습니다. 방사형으로 50개 노드와 축 방향으로 19개 노드가 있는 균일하지 않은 그리드가 사용되었으며 회전으로 인한 화염에 주기적으로 노출되는 표면으로 인해 발생하는 빠른 온도 변화를 따르기 위해 내부 표면에서 적절한 방사형 분해능이 사용되었습니다. 동일한 이유로 사용 된 작은 단계(Δ ϕ = π /100)는 가마의 큰 열 관성과 함께 가마 벽 온도가 수렴되도록 하기 위해 2시간 정도의 CPU 시간이 필요했습니다.

2.4 . 수갑

가마에 대한 모델의 마지막 부분은 클링커 온도 및 조성 보존 방정식에 관한 것으로, 축 방향 기울기만 고려하고 전도는 무시합니다.(4)씨피V클디(ϱ클티클)디엑스=−엘wclㄷㅏ클∫0ㄷ큐w–cl(x, ϕ)디ϕ +엘gclㅏ클큐라드(x)+q전환(엑스)−∑나Nsp아르 자형나시간0, 나는에프+씨피티,(5)V클디(ϱ클와이나)디엑스=r나,(6)V클디ϱ클디엑스=−r무엇2,여기서 cl 은 속도 cl 로 흐르는 전하가 덮는 단면적 이며 둘 다 일정하다고 가정하고 gcl =2 in sin( Θ /2) 전하로 덮인 섹터의 현( 그림 1 ) , WCL = Θ 에서는 , SP 화학 종의 수와 r에 난을 (kg / m의 형성 속도 순 3 종의) I를 . 전하의 밀도는 Eq를 감소시킵니다 (6) CO 2 에 대한 질량 손실로 인한하소하는 동안 초기 값은 총 질량 유량이 ϱ cl cl cl 과 같도록 선택되었습니다 . 참고 ρ (CL)이 있다 하지 전하 느슨하게 포장 된 입자로 이루어지는 것으로 생각 될 수있는 바와 같이, 충전 재료 밀도하지만 벌크 밀도. 우리는 또한 전하의 실제 입상 흐름 패턴을 조사하는 것보다 적은 것은 모델의 신뢰성에 크게 추가되지 않는 임시 설명 [10] 이라고 믿기 때문에 전하의 전도를 무시 합니다. 전하는 CaCO 3 , CaO, SiO 2 , Al 2 O 3 , Fe 로 구성된 것으로 가정합니다.2 O 3 , C2S, C3S, C3A 및 C4AF로, 마지막 4종은 클링커화 중에 형성된 복합 염에 대해 시멘트 화학자가 사용하는 특수 표기법으로 표시됩니다. 다음과 같은 화학 반응을 가정합니다 [12] .

(나)CaCO3→높은+무엇2k = 108특급(−175728/RT)
(Ⅱ)높은+2SiO2→C2Sk = 107특급(−240000/RT)
(Ⅲ)높은+C2S→C3Sk = 109특급(−420000/RT)
(IV)3높은+로2그만큼3→C3Ak = 108특급(−310000/RT)
(V)4높은+로2그만큼3+철2그만큼3→Q4AFk = 108특급(−330000/RT)

상기 시행 착오에 의해 선택되는 아 레니 우스 식에 사용되는 사전 지수 인자 및 활성화 온도는 카코에 대한 활성화 에너지를 제외하고, 가마의 출구에서의 전하의 예상 조성물을 얻었다 (3) 에서 촬영 한 분해 참조 [16] . 우리는 이러한 반응이 임시 모델임을 강조합니다. 실제로 고체상의 화학반응은 다양한 종의 결정들 사이의 계면에서 일어나며 확산이 제한적 이지만 [17] , 클링커 화학에 대한 상세한 처리는 본 연구의 범위를 벗어난다.

클링커 형성의 마지막 단계로 간주되는 반응 (III)은 고온에서 액상이 존재할 때만 발생합니다. 클링커의 용융은 액체 분획 fus 에 대해서도 해결함으로써 모델링되었습니다 .(7)엘소란V클디(ϱ클와이소란)디엑스=RHS의식(4)만약 T의 CL이 융해 온도와 같거나보다 커진다 T의 FUS 와 T의 FUS 의 = 1560 K. 상한 Y의 FUS = 0.3 수행 하였다 [17] 상기 식을. (7) 무시되었다.

상미분 방정식, , Gear 방식과 통합되었습니다. 가마 온도에 대한 유한 체적 코드( 2.3절 )와 클링커에 대한 코드는 반복적으로 해결되었으며( 그림 4 ), 이는 벽 클링커 열유속 w–cl ( x , ϕ ).

2.5 . 최종 커플링

전체 문제(가스, 가마, 장입)는 반복 방식으로 해결되었습니다. RAD 의 균일한 분포에서 시작 하여 기체상은 rad ( x ) 및 conv ( x ) 의 축 분포를 제공하도록 해결되었습니다 . 이것들은 다음에서 사용되었습니다., 그 솔루션의 새로운 추정 결과 RAD ( X 통해) 식. (2) . 그런 다음 FLOW3D-RAD3D 실행이 6차 다항식 피팅의 계수 형태로 프로그램에 도입된 새로운 경계 조건으로 반복되었습니다. 의 연속 추정치 사이에 0.5 미만의 밑에 이완 인자 RAD ( X)는 벽 온도에 대한 복사 열유속의 민감도가 크기 때문에 필요한 것으로 밝혀졌습니다. 일반적으로 HP 715 워크스테이션에서 10일 정도의 총 CPU 시간에 해당하는 내벽 온도(연속 반복이 40K 이상 변하지 않을 때 정의됨)의 수렴을 달성하기 위해 이러한 단계 사이에 약 10번의 반복이 필요했습니다. . 그림 5 는 균일한 값(1600K)에서 시작하여 최종 프로파일까지 RAD ( x ) 의 수렴 이력을 보여줍니다 .

2.6 . 가마 조건

사용된 일부 매개변수에 대한 작동 조건 및 값은 표 1 표 2 표 3에 나와 있습니다. 이 값은 시멘트 회전 가마의 전형입니다.

표 1 . 공기 및 석탄 입자 입구 조건

수송소용돌이중고등 학년석탄
m (kg/s)2.2531.7592.91045.9304.0
 (m/s)77.136.576.112.7336.5
V (m/s)−20.7063.900
W (m/s)00112.800
 (케이)3183833181273383

표 2 . 클링커 조성(질량 분율)

밀가루가마 입구가마 출구
m (kg/s)50.37439.81532.775
 (케이)11001785
CACO 30.79470.402180
높은00.338010.0229
그런가 20.14340.181430
알 2 O 30.03490.04420
철 2 O 30.02700.034160
C2S000.1808
C3S000.5981
C3A000.0731
Q4AF000.1242
소성 인자00.61.0

소성 계수 카코의 비율을 3 의 CaO로 변환 된 FARINE있다.

표 3 . 재료 속성 및 기타 매개변수

ω (래드/초)0.5
V의 CL (m / s)0.035
 (K)300
sh (W/m 2 K)30
w–cl (W/m 2 K)500
ε w , ε cl0.9
ε 0.8
C의 P (클링커) (킬로 / kg K)1.5
ϱ cl (kg/m 3 )1200
fus (kJ/kg)418.4
p (벽) (kJ/kg K)1.5
ϱ w (kg/m 3 )1600–3000
k는 w (W / m K)0.6–3.0
석탄 열 방출(kJ/kg)25475

3 . 결과 및 토론

이 섹션에서는 먼저 화염 구조에 대한 정보와 함께 예측된 공기역학적 패턴의 세부사항을 제시합니다. 소성로 내화물의 온도 분포와 클링커 조성의 변화를 설명합니다. 이 섹션은 가마의 전체 에너지 균형과 가능한 모델 개선에 대한 논의로 끝납니다.

3.1 . 화염 구조

그림 6 은 명확성을 위해 방사상 좌표가 과장된 온도의 등고선 플롯을 보여줍니다. 석탄은 주입 지점에서 약 1m 지점에서 약간 축에서 벗어나 점화되며 최대 화염 온도(약 2400K)는 경험에 따라 약 40m 하류에서 도달합니다 [15] . 완전한 입자 소진에 대한 가장 긴 시간은 버너에서 45m에 해당하는 약 1.4초였습니다. 방사형 온도 프로파일( 그림 7 ) 은 온도의 상당한 불균일성이 있음을 보여주지만 출구 프로파일이 본질적으로 평평해짐에 따라 하류에서 감소합니다. 또한 벽에 인접한 가스가 더 차가운 열 경계층이 존재한다는 것이 분명합니다.석탄 노즐에서 최대 30m까지 벽보다 이것은 이 영역에서 대류에 의한 열 전달이 음(즉, 기체 쪽으로)임을 의미하며, 3.4절 에서 더 자세히 논의된 지점 입니다.

버너 출구 바로 하류에 길이가 약 1 버너 직경인 재순환 구역이 있는데( 그림 8 ), 여기에서 화염이 더 하류에서 발화하기 때문에 소용돌이 안정화 화염 [7] 에서와 같이 화염 안정화에 기여하지 않습니다 . 그러나 액체 연료를 사용할 때는 중요할 수 있으므로 버너에 가까운 그리드의 세부 사항을 강조해야 합니다. 버너에서 처음 몇 미터는 매우 높은 전단력과 높은 난류 에너지 생산을 포함하며 이것이 그리드 미세 조정을 강조하는 또 다른 이유입니다. 휘발성 물질 연소 영역( x =10m, r =1m) 에서 k 및 ε 의 일반적인 예측 값 은 24.3 및 142m 2 /s입니다.3 , 각각. 대규모 난류 시간은 171ms이고 Kolmogorov 시간 규모는 1.1ms입니다. 휘발성 물질의 연소는 0.1ms(일반적인 탄화수소 연료) 정도의 시간 규모에서 발생하며, 이는 가마의 소규모 난류 시간보다 10배 더 짧습니다. 따라서 이 흐름에서 연소에 대한 유한 속도 동역학을 포함할 필요는 없으며 “혼합 연소” 근사가 합리적입니다.

3.2 . 가마 온도 분포

중심선에서 계산된 가스 온도, 온도 RAD ( x ) 및 클링커 온도는 그림 9 에서 비교됩니다 . 최고 가스 온도는 25~40m 사이에 위치하며 내화 내부 표면 온도도 최고점입니다. 클링커는 놀랍게도 가마에서 나오기 전 마지막 몇 미터 동안 벽보다 뜨겁 습니다. 복사에 의해 내화물에 입사하는 열유속은 대류에 의한 것보다 1-2 배 더 높으며( 그림 10 ) 가마의 처음 10m에 대한 총 열 전달 은 가스를  합니다. 이 관찰의 중요성은 나중에 논의됩니다.

대류로 인한 에너지 플럭스는 화염에서 가마까지의 전체 에너지 플럭스의 매우 작은 부분인 것으로 밝혀졌습니다( 그림 10 ). 여기서 예측된 대류의 작은 기여는 Ref. [11] . 그 작업에서 대류 열 전달 계산에 사용된 가스 온도는 가마 단면의 평균이었고 따라서 축 근처에 있는 화염의 기여로 인해 벽 부근의 온도보다 훨씬 높았습니다. . 여기에서 우리는 온도와 가스 속도 및 난류 운동 에너지의 국부적 값을 기반으로 하는 보다 정확한 열전달 계수를 사용했기 때문에 보다 정확한 결과를 기대합니다.

예측된 벽 온도는 모든 방향에서 불균일합니다. Fig. 11 은 가마가 회전함에 따라 화염에 노출되었을 때 벽이 가스에 의해 연속적으로 가열되고 클링커에 열을 공급하여 냉각되는 것을 보여준다. 이것은 약 100K의 일반적인 각도 온도 변화를 갖는 대부분의 가마 길이에 해당됩니다. 대조적으로 버너에 가까우면 벽 은 (0 < ϕ < π /2) 동안 클링커에서 열을 얻고 다음으로 열을  습니다. 노출될 때의 가스( π /2 < ϕ < 2 π ). 벽과 클링커 온도가 같으면서 방위각 변화가 없는 경우가 발생할 수 있습니다( 그림 11 ,        x = 17.5m). 이 온도 변화가 작은 것으로 간주될 수 있지만 벽에서 클링커까지의 열유속을 계산하는 위치에 있으려면 전체 3차원 내벽 온도 분포를 계산해야 합니다(0  < ϕ 범위에서 발생 < π /2).   

그림 12 는 ϕ에 독립적인 외부(쉘) 온도와 함께 고체의 큰 비열로 인해 각도 방향의 변화 영역이 벽으로 약 1cm만 확장됨을 보여줍니다( 그림 12b) .. 벽 온도 방사 분포는 가스 온도, 입사 방사선 및 내화 재료의 특성이 변하기 때문에 축 방향 거리에 따라 달라집니다. 정확한 예측을 위해서는 내화물에 부착된 클링커 코팅의 두께에 대한 정확한 지식이 필요합니다. 여기에서 우리는 이 코팅을 클링커와 유사한 물성을 가진 균일한 두께의 재료로 취급했습니다. 그러나 이 코팅층의 실제 물리적 특성과 두께 분포에 관한 실험 데이터를 사용하여 예측의 신뢰성이 향상될 것입니다.

마지막으로, 그림 13 은 외부 쉘 온도가 화염 영역에서 최고조에 달하고 대략적으로 실험 경향을 따른다는 것을 보여줍니다 [15] . 외부 가마 외피는 다양한 강철 두께, 방사율(외피 착색으로 인한) 및 열 전달 계수(송풍기 간격으로 인한)를 갖고 가마는 가변 내화 두께(에 의한 침식으로 인해)를 갖기 때문에 정확한 비교는 의미가 없습니다. 클링커), 여기에 사용된 가정과 반대입니다. 전체 규모 가마는 또한 차등 코팅 및 내화 침식으로 인한 최대 ±100K의 쉘 온도 각도 변동을 보여줍니다 [15] . 따라서 우리는 그림 13 의 일치 가 실제 가마의 복잡성을 고려할 때 예상할 수 있는 만큼 우수 하다고 믿습니다 .

이 섹션에 제시된 예측은 가마 내부의 열 전달 경로에 대한 다음 그림을 뒷받침합니다. 대부분의 가마 길이에서 장입물은 화염으로부터의 복사와 벽으로부터의 열 전도에 의해 가열되고 있습니다. 장입물이 내화물보다 더 차갑기 때문입니다. 가마가 회전함에 따라 내화물은 화염에 노출될 때 열을 얻고 이를 클링커에 공급합니다( 그림 11 ). 벽의 이 “재생” 작용은 Refs. 9 , 10 및 현재 결과에서 재현되었습니다. 그러나 버너 근처에서 반대 에너지 흐름이 발생합니다( 그림 11 , 작은 x). 여기의 가스는 아직 충분히 뜨겁지 않아 내화물이나 장입물에 에너지를 공급하지 않습니다. 이 영역에서 벽은 다가오는 전하에 의해 열을 얻으므로 고체가 없을 때보다 더 뜨겁게 유지됩니다. 벽과 전하가 대류와 복사에 의해 가스에 열을 공급합니다. 우리는 이것을 “음의 재생” 작용으로 식별할 수 있으며 가마의 더 높은 온도 영역( x  >  15m) 에서 클링커에 의해 흡수된 에너지에 의해 유지됩니다 . 전반적으로 클링커는 x  >  15 m 에서 열을 흡수 하고 0  < x < 15 m 에서 일부를 가스로 되돌려 줍니다.   

이 상호 작용은 간단하지 않으며 쉽게 예상할 수 없습니다. 이는 예를 들어 고체를 액체 연료로 대체하여 화염을 수정하면 열유속 분포를 변경하여 최종 클링커 온도에 중대한 영향을 미칠 수 있음을 의미합니다. 현재의 포괄적인 모델이 제공하는 세부 사항은 가마에서 이러한 변화를 평가하는 데 도움이 될 것입니다.

3.3 . 클링커 온도 및 조성

클링커 온도( 그림 9 )는 가장 높은 화염 온도에 도달하는 축 방향 위치에서 거의 최고조에 달하며 클링커는 약 1780K에서 킬른에 존재하며 이는 시멘트 킬른에서 실험 측정값에 가까운 값입니다 [15] . 초기 및 최종 클링커 조성은 표 2 에 나와 있으며 실제 가마에서 작동 값에 가깝습니다 [15] . 다양한 클링커 성분의 축방향 분포( 그림 14 )는 완전한 하소를 위해 고체 유입구에서 약 25m, C2S, C3A 및 C4AF 생성을 위해 추가로 10m가 소요됨을 보여줍니다. 첫 번째 액체상은 x 에서 발견됩니다.=50m이고 액화는 경험과 일치하는 예측인 매우 직후에 완료됩니다 [17] . 클링커화 반응(R-III)은 모델에서 액체가 나타날 때 시작되는 것으로 가정되었으며, 그림 14 에서 클링커화에는 나머지 길이의 거의 전체가 완료되어야 한다는 것이 분명 합니다. 예측은 전체적으로 시멘트 가마 운영의 경험과 일치하며 여기에 사용된 화학적 및 물리적 매개변수가 현실적인 값을 가지고 있음을 의미합니다.

3.4 . 글로벌 에너지 균형

전지구적 에너지 균형은 기체상(FLOW-3D 및 RAD-3D에 의한)과 소성로 장입 시스템에 대한 솔루션에서 쉽게 계산할 수 있으며 표 4 에 나와 있습니다. CFD 코드는 방사 모듈과 함께 에너지를 약 2%까지 절약합니다. 작은 것으로 간주되는 이 오류는 주로 RAD-3D의 영역 이산화와 Monte-Carlo 계산의 유한한 입자 수로 인해 발생하는 오류에 기인하며 CPU 시간을 희생하여 개선할 수 있습니다. 소성로-클링커 계산의 정확도는 더 나쁩니다. 소성로-클링커 시스템에 입력되는 에너지의 약 10% 오류( rad  + conv )입니다. 이는 수렴된 솔루션이 식 (3) , 그리고 보다 정확한 암시적 솔버에 의해 개선될 수 있습니다.

표 4 . CFD 그리드 및 가마-클링커 조합에 대한 글로벌 에너지 균형

가스(MW)
라드 , 1−2.47
라드 , 2−2.72
큐 라드−57.12
전환0.04
석탄101.2
Δ 가스41.25
균형2.32
가마 클링커
큐 라드57.12
전환−0.04
손실−10.45
Δ H의 CL40.99
균형5.64

에너지 흐름의 정의는 그림 2 를 참조하십시오 .

시멘트 회전식 가마의 에너지 사용에 관한 몇 가지 흥미로운 결론은 표 4 의 결과를 통해 얻을 수 있습니다 . 연소에 의해 방출되는 에너지의 약 40%는 전하 가열 및 클링커 형성에 필요하고 약 10%는 내화물을 통해 대기로 손실됩니다. 나머지의 대부분은 본질적으로 배기 가스와 함께 소성로 밖으로 흐릅니다. 이 중 일부는 소성로 외부의 예비 하소기 및 사이클론에서 회수됩니다. 내부 가마 벽과 장입 온도를 자세히 다루는 여기에 제시된 포괄적인 모델에 의존하지 않고는 국지적 가스 온도를 정확하게 예측하고 이에 따라 향후 연구에서 오염 물질 형성을 예측하는 것이 불가능하다는 것이 분명합니다.

3.5 . 논의

여기에 제시된 회전식 시멘트 가마 작동에 대한 포괄적인 모델의 결과는 합리적이며 실험적으로 관찰된 경향을 재현합니다. 이전 모델링 작업에 비해 이 작업의 주요 이점은 가마에서 발생하는 대부분의 물리적 프로세스를 포함한다는 점입니다. 특히, 가스 온도와 클링커로의 열유속 및 이에 따른 클링커 형성을 결정하는 데 가장 중요한 양인 내벽 온도는 실험 데이터를 사용하여 규정된 것이 아니라 예측되었습니다. 이 특정 기능은 현재 모델을 진정한 예측형으로 만듭니다.

우리는 전체 3차원 문제를 공기역학에 대한 “동등한” 축대칭 문제로 줄이는 방법을 포함했습니다( 식 (2) ). 이를 통해 현재 워크스테이션에서 솔루션을 얻을 수 있습니다. 모델의 모듈식 특성, 즉 공기역학, 복사, 가마 및 장입에 대한 별도의 코드는 해당 모듈만 수정하면 다른 회전 가마 응용 프로그램(예: 소각 및 건조)에도 사용할 수 있음을 의미합니다. 예를 들어, 고형 폐기물의 소각은 현재 코드로 모델링할 수 있지만 적절한 화학.

실험 데이터와의 상세한 비교는 이용 가능한 측정이 거의 없고 현지 시멘트 회사에서 제공한 경험적 데이터로 제한되어 매우 어렵습니다 [15] . 비교는 앞서 지적한 바와 같이 출구 클링커 조성과 온도가 산업적 경험( 표 2 ) 이내 이고, 배기 가스 조성은 공장 굴뚝에서 측정된 값에 가깝고(“가짜 공기” 희석을 허용한 후), 가마 외피 온도는 측정 범위 내에 있습니다( 그림 13 ). 이 동의는 모델이 프로세스의 정확한 표현임을 시사합니다.

더 높은 정확도의 예측을 달성하려면 모델의 다양한 부분에서 개선이 필요합니다. 내화물의 정확한 두께(즉, 내화물과 부착된 클링커)를 설정해야 합니다. 이는 가마 벽을 통해 주변으로 열 손실이 발생하여 외부 쉘 온도에 영향을 미치기 때문입니다. 새 내화물이 있는 가마에서 쉘 온도 측정과 자세한 비교가 이루어져야 합니다(불균일한 코팅 두께가 방지되도록). 벽 재료의 물리적 특성(열용량, 밀도, 전도도)의 적절한 값을 사용해야 합니다. 가장 큰 불확실성은 클링커 코팅의 가정된 특성에 관한 것입니다. 내벽 표면의 방사율과 가스의 흡수 계수를 더 자세히 조사해야 합니다. 가마에 입사하는 복사 열유속에 영향을 미치므로 벽 온도에 영향을 줄 수 있습니다. 클링커의 온도는 사용된 비열 용량에 따라 달라지므로 정확한 평가에 각별한 주의가 필요합니다. 화염의 국지적 온도와 종 구성에 대한 지식은 CFD 코드를 검증하는 데 매우 유용할 것이지만 그러한 적대적인 환경에서 측정은 분명히 달성하기 매우 어렵습니다. 마지막으로 클링커 화학 및 전하 이동은 개선할 수 있는 영역입니다. 그러한 적대적인 환경에서의 측정은 분명히 달성하기 매우 어렵습니다. 마지막으로 클링커 화학 및 전하 이동은 개선할 수 있는 영역입니다. 그러한 적대적인 환경에서의 측정은 분명히 달성하기 매우 어렵습니다. 마지막으로 클링커 화학 및 전하 이동은 개선할 수 있는 영역입니다.

이러한 모든 잠재적 개선과 모델과 관련된 불확실성에도 불구하고 가마의 모든 에너지 경로가 적절한 세부 사항으로 모델링되었기 때문에 전체 동작은 최소한 질적으로 정확합니다. 클링커 출구 구성, 쉘 온도 및 배기 가스 구성과 같은 중요한 양은 허용 가능한 정확도로 예측됩니다. 이 모델은 버너, 연료 유형, 품질 및 수량, 예비 하소 수준( 표 2 ) 또는 고형물 유량 등의 변경과 같은 많은 상황에서 산업계에 매우 유용할 것으로 예상됩니다 . 소성로 운영자는 최종 클링커 구성이 여전히 허용 가능하고 현재의 포괄적인 모델이 이 방향에 도움이 될 수 있는지 확인해야 합니다.

4 . 결론

실제 작동 조건에서 석탄 연소 회전 시멘트 가마의 클링커 형성은 석탄 화염과 가마 사이의 열 교환, 가마와 역류 고체 사이의 열 교환, 고형물을 최종 제품(클링커)으로 변환합니다. 방사선에 대한 Monte-Carlo 방법을 포함하는 축대칭 CFD 코드(상용 패키지 FLOW-3D)가 기상에 사용되었습니다. 가마 벽의 온도는 유한 체적 열전도 코드로 계산되었으며 클링커에 대한 종 및 에너지 보존 방정식도 공식화 및 해결되었습니다. 기체 온도 필드에 대한 예측 사이의 반복적인 절차, 벽에 대한 복사 열 유속, 가마 및 클링커 온도는 실험에서 이러한 정보를 사용한 이전 모델링 노력과 달리 내벽 온도 분포를 명시적으로 계산하는 데 사용되었습니다. 접선 좌표에 대한 통합은 CFD 코드에 필요한 경계 조건으로 사용되는 “유효” 내벽 온도의 축 분포를 초래했습니다. 이 절차를 통해 클링커로의 열 흐름 계산이 가능하고 축대칭 CFD 코드로 3차원 문제를 대략적으로 처리할 수 있습니다. CFD 코드에 필요한 경계 조건으로 사용됩니다. 이 절차를 통해 클링커로의 열 흐름 계산이 가능하고 축대칭 CFD 코드로 3차원 문제를 대략적으로 처리할 수 있습니다. CFD 코드에 필요한 경계 조건으로 사용됩니다. 이 절차를 통해 클링커로의 열 흐름 계산이 가능하고 축대칭 CFD 코드로 3차원 문제를 대략적으로 처리할 수 있습니다.

결과는 복사가 가스와 가마 벽 사이의 대부분의 열 전달을 설명하는 반면 내화물을 통한 환경으로의 열 손실은 입력 열의 약 10%를 설명한다는 것을 보여줍니다. 화학 반응과 충전물의 가열은 연소 에너지의 약 40%를 흡수합니다. 따라서 이러한 사항을 반드시 고려해야 합니다. 예측은 실제 규모의 시멘트 가마에서 얻은 경험과 측정값을 기반으로 한 경향과 일치합니다.

감사의 말

이 작업은 과학 및 기술을 위한 그리스 사무국 프로젝트 EPET-II/649의 자금 지원을 받았습니다. Mr.P에게 진심으로 감사드립니다. 시멘트 가마에 관한 지침 및 데이터는 그리스 TITAN SA의 Panagiotopoulos에게 문의하십시오.

References
1 S.R. Turns, An Introduction to Combustion, Concepts and Applications, McGraw-Hill, New York, 1996
Google Scholar
2 V. Johansen, T.V. Kouznetsova, Clinker formation and new processes, Presented at the Ninth International Congress on the Chemistry of Cement, India, 1992; also RAMBOLL Bulletin No. 42, 1993
Google Scholar
3 Basel Convention, UNEP Document No. 93-7758, 1993
Google Scholar
4 N.C Markatos
Mathematical modelling of single and two-phase flow problems in the process industries
Revue de l’Institut Français du Pétrole, 48 (1993), p. 631
View PDFCrossRefView Record in ScopusGoogle Scholar
5 T. Avgeropoulos, J.P. Glekas, C. Papadopoulos, Numerical simulation of the combustion aerodynamics inside a rotary cement kiln, in: Pilavachi (Ed.), Energy Efficiency in Process Technology, Elsevier, London, 1993, p. 767
Google Scholar
6 F.C. Lockwood, B. Shen, T. Lowes, Numerical study of petroleum coke fired cement kiln flames, Presented at the Third International Conference on Combustion Technologies for a Clean Environment, Lisbon, 1995
Google Scholar
7 F.C. Lockwood, B. Shen, Performance predictions of pulverised-coal flames of power station furnace and cement kiln types, Twenty-Fifth Symposium International on Combustion, The Combustion Institute, 1994 p. 503
Google Scholar
8 P.V Barr, J.K Brimacombe, A.P Watkinson
A heat-transfer model for the rotary kiln: Part II, development of the cross-section model
Metallurgical Transactions B, 20B (1989), p. 403
View Record in ScopusGoogle Scholar
9 V Frisch, R Jeschar
Possibilities for optimizing the burning process in rotary cement kilns
Zement-Kalk-Gips, 36 (1983), p. 549
View Record in ScopusGoogle Scholar
10 A.A Boateng, P.V Barr
A thermal model for the rotary kiln including heat transfer within the bed
Int. J. Heat Mass Transfer, 39 (1996), p. 2131
ArticleDownload PDFView Record in ScopusGoogle Scholar
11 M.G. Carvahlo, T. Farias, A. Martius, A three-dimensional modelling of the radiative heat transfer in a cement kiln, in: Carvahlo et al. (Eds.), Combustion Technologies for a Clean Environment, Gordon and Breach, London, 1995, p. 146
Google Scholar
12 H.A Spang
A dynamic model of a cement kiln
Automatica, 8 (1972), p. 309
ArticleDownload PDFView Record in ScopusGoogle Scholar
13 CFDS, FLOW-3D Users Manual, AEA Harwell, UK
Google Scholar
14 E Mastorakos, J.J McGuirk, A.M.K.P Taylor
The origin of turbulence acquired by heavy particles in a round, turbulent jet
Part. Part. Syst. Charact., 7 (1990), p. 203
View PDFCrossRefView Record in ScopusGoogle Scholar
15 P. Panagiotopoulos, TITAN S.A. Cement Company, Personal communication, 1996
Google Scholar
16 M.S Murthy, B.R Harish, K.S Rajanandam, K.Y Ajoy Pavan Kumar
Investigation on the kinetics of thermal decomposition of calcium carbonate
Chem. Eng. Sci., 49 (1996), p. 2198
Google Scholar
17 V. Johansen, Cement production and chemistry, Presented at the Symposium on Cement Manufacturing and Chemistry, Anaheim, November 1989; also RAMBOLL Bulletin No. 41, 1993
Google Scholar
1 Also at Department of Mechanical Engineering, University of Patras, Greece.

2 Also at Department of Chemical Engineering, University of Patras, Greece.

Forming characteristics and control method of weld bead for GMAW on curved surface

곡면에 GMAW용 용접 비드의 형성 특성 및 제어 방법

Forming characteristics and control method of weld bead for GMAW on curved surface

The International Journal of Advanced Manufacturing Technology (2021)Cite this article

Abstract

곡면에서 GMAW 기반 적층 가공의 용접 성형 특성은 중력의 영향을 크게 받습니다. 성형면의 경사각이 크면 혹 비드(hump bead)와 같은 심각한 결함이 발생합니다.

본 논문에서는 양생면에서 용접 비드 형성의 형성 특성과 제어 방법을 연구하기 위해 용접 용융 풀 유동 역학의 전산 모델을 수립하고 제안된 모델을 검증하기 위해 증착 실험을 수행하였습니다.

결과는 용접 비드 경사각(α)이 증가함에 따라 역류의 속도가 증가하고 상향 용접의 경우 α > 60°일 때 불규칙한 험프 결함이 나타나는 것으로 나타났습니다.

상부 과잉 액체의 하향 압착력과 하부 상향 유동의 반동력과 표면장력 사이의 상호작용은 용접 혹 형성의 주요 요인이었다. 하향 용접의 경우 양호한 형태를 얻을 수 있었으며, 용접 비드 경사각이 증가함에 따라 용접 높이는 감소하고 용접 폭은 증가하였습니다.

하향 및 상향 용접을 위한 곡면의 용융 거동 및 성형 특성을 기반으로 험프 결함을 제어하기 위해 위브 용접을 통한 증착 방법을 제안하였습니다.

성형 궤적의 변화로 인해 용접 방향의 중력 성분이 크게 감소하여 용융 풀 흐름의 안정성이 향상되었으며 복잡한 표면에서 안정적이고 일관된 용접 비드를 얻는 데 유리했습니다.

하향 용접과 상향 용접 사이의 단일 비드의 치수 편차는 7% 이내였으며 하향 및 상향 혼합 혼합 비드 중첩 증착에서 비드의 변동 편차는 0.45로 GMAW 기반 적층 제조 공정에서 허용될 수 있었습니다.

이러한 발견은 GMAW를 기반으로 하는 곡선 적층 적층 제조의 용접 비드 형성 제어에 기여했습니다.

The weld forming characteristics of GMAW-based additive manufacturing on curved surface are dramatically influenced by gravity. Large inclined angle of the forming surface would lead to severe defects such as hump bead. In this paper, a computational model of welding molten pool flow dynamics was established to research the forming characteristic and control method of weld bead forming on cured surface, and deposition experiments were conducted to verify the proposed model. Results indicated that the velocity of backward flows increased with the increase of weld bead tilt angle (α) and irregular hump defects appeared when α > 60° for upward welding. The interaction between the downward squeezing force of the excess liquid at the top and the recoil force of the upward flow at the bottom and the surface tension were primary factors for welding hump formation. For downward welding, a good morphology shape could be obtained, and the weld height decreased and the weld width increased with the increase of weld bead tilt angle. Based on the molten behaviors and forming characteristics on curved surface for downward and upward welding, the method of deposition with weave welding was proposed to control hump defects. Gravity component in the welding direction was significantly reduced due to the change of forming trajectory, which improved the stability of the molten pool flow and was beneficial to obtain stable and consistent weld bead on complex surface. The dimensional deviations of the single bead between downward and upward welding were within 7% and the fluctuation deviation of the bead in multi-bead overlapping deposition with mixing downward and upward welding was 0.45, which could be acceptable in GMAW-based additive manufacturing process. These findings contributed to the weld bead forming control of curve layered additive manufacturing based on GMAW.

Keywords

  • Molten pool behaviors
  • GMAW-based WAAM
  • Deposition with weave welding
  • Welding on curved surface
  • Fig. 1extended data figure 1
  • Fig. 2extended data figure 2
  • Fig. 3extended data figure 3
  • Fig. 4extended data figure 4
  • Fig. 5extended data figure 5
  • Fig. 6extended data figure 6
  • Fig. 7extended data figure 7
  • Fig. 8extended data figure 8
  • Fig. 9extended data figure 9
  • Fig. 10extended data figure 10
  • Fig. 11extended data figure 11
  • Fig. 12extended data figure 12
  • Fig. 13extended data figure 13
  • Fig. 14extended data figure 14
  • Fig. 15extended data figure 15
  • Fig. 16extended data figure 16
  • Fig. 17extended data figure 17
  • Fig. 18extended data figure 18
  • Fig. 19extended data figure 19
  • Fig. 20extended data figure 20
  • Fig. 21extended data figure 21
  • Fig. 22extended data figure 22
  • Fig. 23extended data figure 23
  • Fig. 24extended data figure 24
  • Fig. 25extended data figure 25
  • Fig. 26extended data figure 26
  • Fig. 27extended data figure 27
  • Fig. 28extended data figure 28
  • Fig. 29extended data figure 29
  • Fig. 30extended data figure 30
  • Fig. 31extended data figure 31
  • Fig. 32extended data figure 32
  • Fig. 33extended data figure 33
  • Fig. 34extended data figure 34
  • Fig. 35extended data figure 35
  • Fig. 36extended data figure 36
  • Fig. 37extended data figure 37
  • Fig. 38extended data figure 38

References

  1. 1.Williams SW, Martina F, Addison AC, Ding J, Pardal G, Colegrove P (2016) Wire + arc additive manufacturing. Mater Sci Technol (United Kingdom) 32:641–647. https://doi.org/10.1179/1743284715Y.0000000073Article Google Scholar 
  2. 2.Pan ZX, Ding DH, Wu BT, Cuiuri D, Li HJ, Norrish J (2018) Arc welding processes for additive manufacturing: a review. In: Transactions on intelligent welding manufacturing. Springer Singapore, pp 3–24. https://doi.org/10.1007/978-981-10-5355-9_1
  3. 3.Panchagnula JS, Simhambhatla S (2018) Manufacture of complex thin-walled metallic objects using weld-deposition based additive manufacturing. Robot Comput Integr Manuf 49:194–203. https://doi.org/10.1016/j.rcim.2017.06.003Article Google Scholar 
  4. 4.Lu S, Zhou J, Zhang JS (2015) Optimization of welding thickness on casting-steel surface for production of forging die. Int J Adv Manuf Technol 76:1411–1419. https://doi.org/10.1007/s00170-014-6371-9Article Google Scholar 
  5. 5.Huang B, Singamneni SB (2015) Curved layer adaptive slicing (CLAS) for fused deposition modelling. Rapid Prototyp J 21:354–367. https://doi.org/10.1108/RPJ-06-2013-0059Article Google Scholar 
  6. 6.Jin Y, Du J, He Y, Fu GQ (2017) Modeling and process planning for curved layer fused deposition. Int J Adv Manuf Technol 91:273–285. https://doi.org/10.1007/s00170-016-9743-5Article Google Scholar 
  7. 7.Xie FB, Chen LF, Li ZY, Tang K (2020) Path smoothing and feed rate planning for robotic curved layer additive manufacturing. Robot Comput Integr Manuf 65. https://doi.org/10.1016/j.rcim.2020.101967
  8. 8.Ding YY, Dwivedi R, Kovacevic R (2017) Process planning for 8-axis robotized laser-based direct metal deposition system: a case on building revolved part. Robot Comput Integr Manuf 44:67–76. https://doi.org/10.1016/j.rcim.2016.08.008Article Google Scholar 
  9. 9.Cho DW, Na SJ (2015) Molten pool behaviors for second pass V-groove GMAW. Int J Heat Mass Transf 88:945–956. https://doi.org/10.1016/j.ijheatmasstransfer.2015.05.021Article Google Scholar 
  10. 10.Cho DW, Na SJ, Cho MH, Lee JS (2013) A study on V-groove GMAW for various welding positions. J Mater Process Technol 213:1640–1652. https://doi.org/10.1016/j.jmatprotec.2013.02.015Article Google Scholar 
  11. 11.Hejripour F, Valentine DT, Aidun DK (2018) Study of mass transport in cold wire deposition for wire arc additive manufacturing. Int J Heat Mass Transf 125:471–484. https://doi.org/10.1016/j.ijheatmasstransfer.2018.04.092Article Google Scholar 
  12. 12.Yuan L, Pan ZX, Ding DH, He FY, Duin SV, Li HJ, Li WH (2020) Investigation of humping phenomenon for the multi-directional robotic wire and arc additive manufacturing. Robot Comput Integr Manuf 63. https://doi.org/10.1016/j.rcim.2019.101916
  13. 13.Nguyen MC, Medale M, Asserin O, Gounand S, Gilles P (2017) Sensitivity to welding positions and parameters in GTA welding with a 3D multiphysics numerical model. Numer Heat Transf Part A Appl 71:233–249. https://doi.org/10.1080/10407782.2016.1264747Article Google Scholar 
  14. 14.Gu H, Li L (2019) Computational fluid dynamic simulation of gravity and pressure effects in laser metal deposition for potential additive manufacturing in space. Int J Heat Mass Transf 140:51–65. https://doi.org/10.1016/j.ijheatmasstransfer.2019.05.081Article Google Scholar 
  15. 15.Cho MH, Farson DF (2007) Understanding bead hump formation in gas metal arc welding using a numerical simulation. Metall Mater Trans B Process Metall Mater Process Sci 38:305–319. https://doi.org/10.1007/s11663-007-9034-5Article Google Scholar 
  16. 16.Nguyen TC, Weckman DC, Johnson DA, Kerr HW (2005) The humping phenomenon during high speed gas metal arc welding. Sci Technol Weld Join 10:447–459. https://doi.org/10.1179/174329305X44134Article Google Scholar 
  17. 17.Philip Y, Xu ZY, Wang Y, Wang R, Ye X (2019) Investigation of humping defect formation in a lap joint at a high-speed hybrid laser-GMA welding. Results Phys 13. https://doi.org/10.1016/j.rinp.2019.102341
  18. 18.Hu ZQ, Qin XP, Shao T, Liu HM (2018) Understanding and overcoming of abnormity at start and end of the weld bead in additive manufacturing with GMAW. Int J Adv Manuf Technol 95:2357–2368. https://doi.org/10.1007/s00170-017-1392-9Article Google Scholar 
  19. 19.Tang SY, Wang GL, Huang C, Li RS, Zhou SY, Zhang HO (2020) Investigation, modeling and optimization of abnormal areas of weld beads in wire and arc additive manufacturing. Rapid Prototyp J 26:1183–1195. https://doi.org/10.1108/RPJ-08-2019-0229Article Google Scholar 
  20. 20.Bai X, Colegrove P, Ding J, Zhou XM, Diao CL, Bridgeman P, Honnige JR, Zhang HO, Williams S (2018) Numerical analysis of heat transfer and fluid flow in multilayer deposition of PAW-based wire and arc additive manufacturing. Int J Heat Mass Transf 124:504–516. https://doi.org/10.1016/j.ijheatmasstransfer.2018.03.085Article Google Scholar 
  21. 21.Siewert E, Schein J, Forster G (2013) Determination of enthalpy, temperature, surface tension and geometry of the material transfer in PGMAW for the system argon-iron. J Phys D Appl Phys 46. https://doi.org/10.1088/0022-3727/46/22/224008
  22. 22.Goldak J, Chakravarti A, Bibby M (1984) A new finite element model for welding heat sources. Metall Trans B 15:299–305. https://doi.org/10.1007/BF02667333Article Google Scholar 
  23. 23.Fachinotti VD, Cardona A (2008) Semi-analytical solution of the thermal field induced by a moving double-ellipsoidal welding heat source in a semi-infinite body. Mec Comput XXVII:1519–1530
  24. 24.Nguyen NT, Mai YW, Simpson S, Ohta A (2004) Analytical approximate solution for double ellipsoidal heat source in finite thick plate. Weld J 83:82–93Google Scholar 
  25. 25.Goldak J, Chakravarti A, Bibby M (1985) A double ellipsoid finite element model for welding heat sources. IIW Doc. No. 212-603-85
  26. 26.Gu Y, Li YD, Yong Y, Xu FL, Su LF (2019) Determination of parameters of double-ellipsoidal heat source model based on optimization method. Weld World 63:365–376. https://doi.org/10.1007/s40194-018-00678-wArticle Google Scholar 
  27. 27.Wu CS, Tsao KC (1990) Modelling the three-dimensional fluid flow and heat transfer in a moving weld pool. Eng Comput 7:241–248. https://doi.org/10.1108/eb023811Article Google Scholar 
  28. 28.Zhan XH, Liu XB, Wei YH, Chen JC, Chen J, Liu HB (2017) Microstructure and property characteristics of thick Invar alloy plate joints using weave bead welding. J Mater Process Technol 244:97–105. https://doi.org/10.1016/j.jmatprotec.2017.01.014Article Google Scholar 
  29. 29.Zhan XH, Zhang D, Liu XB, Chen J, Wei YH, Liu RP (2017) Comparison between weave bead welding and multi-layer multi-pass welding for thick plate Invar steel. Int J Adv Manuf Technol 88:2211–2225. https://doi.org/10.1007/s00170-016-8926-4Article Google Scholar 
  30. 30.Xu GX, Li L, Wang JY, Zhu J, Li PF (2018) Study of weld formation in swing arc narrow gap vertical GMA welding by numerical modeling and experiment. Int J Adv Manuf Technol 96:1905–1917. https://doi.org/10.1007/s00170-018-1729-zArticle Google Scholar 
  31. 31.Li YZ, Sun YF, Han QL, Zhang GJ, Horvath I (2018) Enhanced beads overlapping model for wire and arc additive manufacturing of multi-layer multi-bead metallic parts. J Mater Process Technol 252:838–848. https://doi.org/10.1016/j.jmatprotec.2017.10.017Article Google Scholar 
Figure 2. (a) Scanning electron microscopy images of Ti6Al4V powder particles and (b) simulated powder bed using discrete element modelling

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

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

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

Abstract

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

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

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

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

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

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

그 대가로 표면 장력을 낮추고 용융 풀 균일성에 영향을 미칩니다.

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

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

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

References

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

Multiphysics Modeling of Thermal Behavior of Commercial Pure Titanium Powder During Selective Laser Melting

Metals and Materials International (2021)Cite this article

Abstract

선택적 레이저 용융 동안 CP-Ti의 열 거동을 연구하기 위해 무작위 패킹 분말 베드 모델을 기반으로 하는 메조스코프 시뮬레이션이 설정되었습니다. 레이저와 분말의 상호 작용에 따른 용융 풀의 특성과 레이저 출력이 용융 풀의 열 거동, 유체 역학 및 표면 형태 변화에 미치는 영향을 연구했습니다.

결과는 레이저 출력이 증가함에 따라 최대 온도, 온도 변화율, 용융 풀의 수명 및 크기가 크게 향상되었음을 보여줍니다. 또한 본 연구에서는 이중궤도 하의 용융지의 특성과 열거동을 주로 연구하였다.

두 번째 트랙의 용융 풀의 최대 온도, 수명 및 길이와 너비는 첫 번째 트랙보다 더 높고 레이저 출력이 증가함에 따라 용융 풀에서 두 번째 트랙의 길이 너비 비율이 증가함을 알 수 있습니다. 더 커집니다.

A mesoscopic simulation based on random packing powder bed model was established to study the heat behavior of CP-Ti during selective laser melting. The characteristics of the molten pool under the interaction of laser and powder, and the influence of laser power on the thermal behavior, hydrodynamics and surface morphology evolution of the molten pool were studied. The results show that with the increase of laser power, the maximum temperature, temperature change rate, lifetime of molten pool and size are greatly improved. In addition, the characteristics and heat behavior of the molten pool under the double track are mainly studied in this study. It is found that the maximum temperature, lifetime, and the length and width of the molten pool of the second track are higher than those in the first, and with the increase of laser power, the length width ratio of the second track in molten pool becomes larger.

Multiphysics Modeling of Thermal Behavior of Commercial Pure Titanium Powder During Selective Laser Melting
Multiphysics Modeling of Thermal Behavior of Commercial Pure Titanium Powder During Selective Laser Melting

Keywords

  • Additive manufacturing
  • Selective laser melting
  • Numerical simulation
  • Thermal behavior

References

  • 1.D.K. Pattanayak, A. Fukuda, T. Matsushita, M. Takemoto, S. Fujibayashi, K. Sasaki, N. Nishida, T. Nakamura, T. Kokubo, Acta Biomater. 7, 1398 (2011)CAS Article Google Scholar 
  • 2.A.K. Patnaik, N. Poondla, C.C. Menzemer, T.S. Srivatsan, Mater. Sci. Eng. A 590, 390 (2014)CAS Article Google Scholar 
  • 3.D.D. Gu, Y.C. Hagedorn, W. Meiners, G.B. Meng, R.J.S. Batista, K. Wissenbach, R. Poprawe, Acta Mater. 60, 3849 (2012)CAS Article Google Scholar 
  • 4.H. Attar, M. Calin, L.C. Zhang, S. Scudino, J. Eckert, Mater. Sci. Eng. A 593, 170 (2014)CAS Article Google Scholar 
  • 5.J. Shen, B. Chen, J. Umeda, K. Kondoh, Mater. Sci. Eng. A 716, 1 (2018)CAS Article Google Scholar 
  • 6.E. Santos, K. Osakada, M. Shiomi, M. Morita, F. Abe, Fabrication of titanium dental implants by selective laser melting. in Proceedings of the 5th International Symposium on Laser Precision Microfabrication, Nara, 11–14 May 2004
  • 7.C.N. Elias, J.H.C. Lima, R. Valiev, M.A. Meyers, JOM 60, 46 (2008)CAS Article Google Scholar 
  • 8.J.-P. Kruth, G. Levy, F. Klocke, T.H.C. Child, CIRP Ann.-Manuf. Techn. 56, 730 (2007)Article Google Scholar 
  • 9.D.D. Gu, W. Meiners, K. Wissenbach, R. Poprawe, Int. Mater. Rev. 57, 133 (2012)CAS Article Google Scholar 
  • 10.​T. DebRoy, H.L. Wei, J.S. Zuback, T. Mukherjee, J.W. Elmer, J.O. Milewski, A.M. Beese, A. Wilson-Heid, A. De, W. Zhang, Prog. Mater. Sci. 92, 112 (2018)CAS Article Google Scholar 
  • 11.D.D. Gu, H.Q. Wang, G.Q. Zhang, Metall Mater. Trans. A 45, 464 (2014)CAS Article Google Scholar 
  • 12.M. Das, V.K. Balla, D. Basu, S. Bose, A. Bandyopadhyay, Scripta Mater. 63, 438 (2010)CAS Article Google Scholar 
  • 13.X.P. Li, J. Van Humbeeck, J.P. Kruth, Mater. Design 116, 352 (2017)CAS Article Google Scholar 
  • 14.N. Jeyaprakash, C.-H. Yang, K.R. Ramkumar, Met. Mater. Int. (2021). https://doi.org/10.1007/s12540-020-00933-0Article Google Scholar 
  • 15.Y. Li, D. Gu, Addit. Manuf. 1–4, 99 (2014)Google Scholar 
  • 16.P. Lu, M. Wu, X. Liu, W. Duan, J. Han, Met. Mater. Int. 26, 1182 (2020)Google Scholar 
  • 17.B. Schoinochoritis, D. Chantzis, K. Salonitis, P. I. Mech. Eng. B J. Eng. 231, 96 (2014)Article Google Scholar 
  • 18.G.M. Karthik, H.S. Kim, Met. Mater. Int. 27, 1 (2021)CAS Article Google Scholar 
  • 19.W.J. Sames, K.A. Unocic, R.R. Dehof, T. Lolla, S.S. Babu, J. Mater. Res. 29, 1920 (2014)Google Scholar 
  • 20.P.S. Cook, A.B. Murphy, Addit. Manuf. 31, 100909 (2020)Google Scholar 
  • 21.A. Raghavan, H.L. Wei, T.A. Palmer, T. DebRoy, J. Laser. Appl. 25, 052006 (2013)Article CAS Google Scholar 
  • 22.C.-J. Li, T.-W. Tsai, C.-C. Tseng, Phys. Procedia 83, 1444 (2016)CAS Article Google Scholar 
  • 23.C. Panwisawas, C.L. Qiu, Y. Sovani, J.W. Brooks, M.M. Attallah, H.C. Basoalto, Scripta Mater. 105, 14 (2015)CAS Article Google Scholar 
  • 24.M. Markl, C. Körner, Annu. Rev. Mater. Res. 46, 93 (2016)CAS Article Google Scholar 
  • 25.E.J.R. Parteli, T. Pöschel, Powder Technol. 288, 96 (2016)CAS Article Google Scholar 
  • 26.Y.S. Lee, W. Zhang, Modeling of heat transfer, Addit. Manuf. 12, 178 (2016)CAS Google Scholar 
  • 27.I. Kovaleva, O. Kovalev, I. Smurov, Phys. Procedia 56, 400 (2014)Article Google Scholar 
  • 28.Y.S. Lee, W. Zhang, Mesoscopic simulation of heat transfer and fluid flow in laser powder bed additive manufacturing. in Proceedings of 26th Solid Freeform Fabrication Symposium, Austin, 10-12 ​August 2015
  • 29.W. Yan, W. Ge, Y. Qian, S. Lin, B. Zhou, W.K. Liu, Acta Mater. 134, 324 (2017)CAS Article Google Scholar 
  • 30.I. Yadroitsev, A. Gusarov, I. Yadroitsava, I. Smurov, J. Mater. Process. Tech. 210, 1624 (2010)CAS Article Google Scholar 
  • 31.L. Cao, Int. J. Heat Mass Tran. 141, 1036 (2019)Article Google Scholar 
  • 32.Y. Li, D. Gu, Mater. Design 63, 856 (2014)CAS Article Google Scholar 
  • 33.S. Liu, J. Zhu, H. Zhu, J. Yin, C. Chen, X. Zeng, Opt. Laser Technol. 123, 105924 (2020)Article CAS Google Scholar 
  • 34.Z. Wang, W. Yan, W.K. Liu, M. Liu, Comput. Mech. 63, 649 (2019)Article Google Scholar 
  • 35.C.W. Hirt, B.D. Nichols, J. Comput. Phys. 39, 201 (1981)Article Google Scholar 
  • 36.EDEM, User Guide, DEM Solutions Ltd., Edinburgh, Scotland, UK. Copyright © (2011). http://tm.spbstu.ru/images/2/28/EDEM2.4_user_guide.pdf. Accessed 25 Aug 2021
  • 37.Y. Hu, J. Li, J. Mater. Process. Tech. 249, 426 (2017)CAS Article Google Scholar 
  • 38.H. Hertz, J. Reine Angew. Math. 92, 156 (1881)
  • 39.R.D. Mindlin, J. Appl. Mech. 16, 259 (1949)Article Google Scholar 
  • 40.R.D. Mindlin, H. Deresiewicz, J. Appl. Mech. 20, 327 (1953)Article Google Scholar 
  • 41.Y. Tsuji, T. Tanaka, T. Ishida, Powder Technol. 71, 239 (1992)CAS Article Google Scholar 
  • 42.P.A. Cundall, O.D.L. Strack, Géotechnique 30, 331 (1980)Article Google Scholar 
  • 43.H. Sakaguchi, E. Ozaki, T. Igarashi, Int. J. Mod. Phys. B 7, 1949 (1993)
  • 44.Flow3D: Version 11 0.1.2: User Manual, Flow Science, Santa Fe, NM, USA, (2014)
  • 45.S. Kolossov, E. Boillat, R. Glardon, P. Fischer, M. Locher, Int. J. Mach. Tool. Manu. 44, 117 (2004)Article Google Scholar 
  • 46.V.R. Voller, A.D. Brent, C. Prakash, Int. J. Heat Mass Tran. 32, 1719 (1989)CAS Article Google Scholar 
  • 47.Y.-C. Wu, C.-H. San, C.-H. Chang, H.-J. Lin, R. Marwan, S. Baba, W.-S. Hwang, J. Mater. Process. Tech. 254, 72 (2018)Article Google Scholar 
  • 48.B. Cheng, X. Li, C. Tuile, A. Ilin, H. Willeck, U. Hartel, Multi-physics modeling of single-track scanning in selective laser melting: powder compaction effect. in Proceedings of 29th Annual International Solid Freeform Fabrication Symposium-An Additive Manufacturing Conference, Austin, 13–15 ​August 2018
  • 49.B. Liu, G. Fang, L. Lei, W. Liu, Appl. Math. Model. 79, 506 (2020)Article Google Scholar 
  • 50.S. Lee, J. Kim, J. Choe, S.-W. Kim, J.-K. Hong, Y.S. Choi, Met. Mater. Int. 27, 78 (2021)
  • 51.S.A. Khairallah, A.T. Anderson, A. Rubenchik, W.E. King, Acta Mater. 108, 36 (2016)CAS Article Google Scholar 
  • 52.K. Dai, L. Shaw, Acta Mater. 53, 4743 (2005)
  • 53.L. Cao, Comp. Mater. Sci. 179, 109686 (2020)CAS Article Google Scholar 
  • 54.W. Yuan, H. Chen, T. Cheng, Q. Wei, Mater. Design 189, 108542 (2020)Article Google Scholar 
  • 55.S.A. Khairallah, A. Anderson, J. Mater. Process. Tech. 214, 2627 (2014)CAS Article Google Scholar 
  • 56.R. Li, J. Liu, Y. Shi, L. Wang, W. Jiang, Int. J. Adv. Manuf. Tech. 59, 1025 (2012)Article Google Scholar 
  • 57.D. Dai, D. Gu, Int. J. Mach. Tool. Manu. 100, 14 (2016)
  • 58.A. Simchi, H. Pohl, Mater. Sci. Eng. A 359, 119 (2003)Article CAS Google Scholar
Fig. 1  Layout of spillway tunnel

Experimental study and numerical simulation of hydraulic characteristics of ogee spillway tunnel

WU Jingxia1
, ZHANG Chunjin2,3
(1. Xi’an Water Conservancy Survey Design Institute, Xi’an  710054, Shaanxi, China; 2. Key Laboratory of
Yellow River Sediment Research, M. W. R. , Yellow River Institute of Hydraulic Research, Zhengzhou 
450003, Henan, China; 3. State Key Laboratory of Hydrology-Water Resources and Hydraulic
Engineering, Hohai University, Nanjing  210098, Jiangsu, China)

수치 시뮬레이션을 통해 오지 여수로 터널의 수리적 특성 연구의 타당성을 탐색하기 위해 황하 Xiaolangdi 수질 관리 프로젝트의 2번 오지 여수로 터널을 연구 대상으로 취한 다음 오지의 수리 특성 설계 및 점검 홍수 수준 조건에서 여수로 터널은 RNG k-ε 난류 모델을 사용하여 배출 용량, 터널 크라운 잔류 공간, 단면 유속, 압전 수두, 유동 캐비테이션 수, 제트 흐름 범위 및 1 ∶ 40의 일반 수리 모델과 결합된 세굴 구덩이 깊이, 시뮬레이션 값과 실험 값 모두 비교됩니다.

연구결과 모의실험값이 실험값과 일치하여 오지 여수로터널의 수리적 특성을 수치모사를 통해 탐색할 수 있음을 확인하였다. 여수로터널 내부의 흐름은 안정적이고 터널 크라운 잔류 공간은 개방 흐름과 완전 흐름의 교대 흐름 패턴이 없는 25% 이상입니다.

체크 홍수 수위에서 시뮬레이션 값과 유량 계수의 실험 값은 모두 설계에서보다 높으므로 배출 용량은 홍수 제어 관련 설계 요구 사항을 충족할 수 있습니다. 오지 단면과 플립 단면의 유동 캐비테이션 수는 캐비테이션 손상이 발생할 가능성이 작기 때문에 캐비테이션 침식을 줄이기 위한 적절한 적절한 조치가 채택될 필요가 있습니다.

유압 모델의 고르지 않은 표면에 부압이 발생하면 표면 구조에 관련주의를 기울일 필요가 있습니다. 연구 결과는 여수로 터널의 설계 및 건설에 대한 관련 참고 및 이론적 근거를 제공할 수 있습니다.

Keywords

Xiaolangdi Water Control Project; ogee spillway tunnel; simulative calculation; hydraulic characteristics; turbulent
model

Fig. 1  Layout of spillway tunnel
Fig. 1  Layout of spillway tunnel
Fig. 4  Hydraulic modeling
Fig. 4  Hydraulic modeling
Fig. 6  Sectional surface profile distributions
Fig. 6  Sectional surface profile distributions
Fig. 7  Comparison between simulated results and experimental results for flow velocity of section-cross
Fig. 7  Comparison between simulated results and experimental results for flow velocity of section-cross

参考文献(References)

[1]  谢省宗, 吴一红, 陈文学. 我国高坝泄洪消能新技术的研究和创
新[J]. 水利学报, 2016, 47(3): 324-336.
XIE Shengzong, WU Yihong, CHEN Wenxue. New technology and
innovation on flood discharge and energy dissipation of high dams in
China [J]. Journal of Hydraulic Engineering, 2016, 47( 3): 324-
336.
[2]  刘嘉夫, 齐昕. 龙抬头水电站泄洪洞水力特性研究[ J]. 水利水
电技术, 2019, 50(2): 139-143.
LIU Jiafu, QI Xin. Study on hydraulic characteristics of ogee spillway
tunnel of hydropower station [ J]. Water Resources and Hydropower
Engineering, 2019, 50(2): 139-143.
[3]  范灵, 张宏伟, 刘之平, 等. 明流泄洪洞布置形式对水力特性影
响的数值研究[J]. 水力发电学报, 2009, 28(3): 126-131.
FAN Ling, ZHANG Hongwei, LIU Zhiping, et al. Numerical study
on hydraulic characteristic of free surface flow in spillway tunnel with
different configuration [ J ]. Journal of Hydroelectric Engineering,
2009, 28(3): 126-131.
[4]  张春晋, 李永业, 孙西欢. 明流泄洪洞水力特性的二维数值模拟
与试验研究[J]. 长江科学院院报, 2016, 33(1): 54-60.
ZHANG Chunjin, LI Yongye, SUN Xihuan. Two-dimensional numerical simulation and experimental research of hydraulic characteristics
in spillway tunnel with free water surface [ J]. Journal of Yangtze
River Scientific Research Institute, 2016, 33(1): 54-60.
[5]  徐国宾, 章环境, 刘昉, 等. 龙抬头泄洪洞水力特性的数值模拟
[J]. 长江科学院院报, 2015, 32(1): 84-87.
XU Guobin, ZHANG Huanjing, LIU Fang, et al. Numerical simulation on hydraulic characteristic of high head ogee spillway tunnel [J].
Journal of Yangtze River Scientific Research Institute, 2015, 32(1):
84-87.
[6]  陈瑞华, 杨吉健, 马麟, 等. 小湾水电站泄洪洞洞身数值模拟
[J]. 排灌机械工程学报, 2017, 35(6): 488-494.
CHEN Ruihua, YANG Jijian, MA Lin, et al. Numerical simulation
of tunnel of Xiaowan Hydropower Station [ J]. Journal of Drainage
and Irrigation Machinery Engineering, 2017, 35(6): 488-494.
[7]  翟保林, 刘亚坤. 高水头明流泄洪洞三维数值模拟[ J]. 水利与
建筑工程学报, 2017, 15(3): 31-34.
ZHAI Baolin, LIU Yakun. 3-D Numerical simulation of high water
head spillway tunnel with free surface [ J ]. Journal of Water
Resources and Architectural Engineering, 2017, 15(3): 31-34.
[8]  姜 攀, 尹进步, 何武全, 等. 有压泄洪洞弯道压力特性数值模拟
与试验研究[J]. 水力发电, 2016, 42(2): 49-53.
JIANG Pan, YIN Jinbu, HE Wuquan, et al. Numerical simulation
and experimental research on pressure characteristic of curved section
of pressure spillway tunnel [J]. Water Power, 2016, 42(2): 49-53.
[9]  邓 军, 许唯临, 雷军, 等. 高水头岸边泄洪洞水力特性的数值模
拟[J]. 水利学报, 2005(10): 1209-1212.
DENG Jun, XU Weilin, LEI Jun, et al. Numerical simulation of
hydraulic characteristics of high head spillway tunnel [J]. Journal of
Hydraulic Engineering, 2005(10): 1209-1212.
[10] 史晓薇, 王长新, 李琳. 高流速泄洪隧洞水力特性的三维数值模
拟[J]. 新疆农业大学学报, 2015, 38(6): 495-501.
SHI Xiaowei, WANG Changxin, LI Lin. Three dimensional numerical
simulation of hydraulic characteristics of spillway tunnel with high flow
velocity [ J]. Journal of Xinjiang Agricultural University, 2015, 38
(6): 495-501.
[11] 叶茂, 伍平, 王波, 等. 泄洪洞掺气水流的数值模拟研究[J]. 水
力发电学报, 2014, 33(4): 105-110.
YE Mao, WU Ping, WANG Bo, et al. Numerical simulation of
aerated flow in hydraulic tunnel [ J ]. Journal of Hydroelectric
Engineering, 2014, 33(4): 105-110.
[12] 胡涛, 王均星, 杜少磊. 大流量泄洪洞掺气坎水力特性数值模拟
[J]. 武汉大学学报(工学版), 2014, 47(5): 615-620.
HU Tao, WANG Junxing, DU Shaolei. Numerical simulation of
hydraulic characteristics of aerators in spillway tunnel with large
discharge [J]. Engineering Journal of Wuhan University, 2014, 47
(5): 615-620.
[13] 孙鹏飞, 姜哲, 崔维成, 等. 基于 CFD 的全海深载人潜水器直航
阻力性能研究[J]. 中国造船, 2019, 60(2): 77-87.
SUN Pengfei, JIANG Zhe, CUI Weicheng, et al. Numerical simulation of a full ocean depth manned submersible based on CFD method
[J]. Shipbuilding of China, 2019, 60(2): 77-87.
[14] 宛鹏翔, 范俊, 韩省思, 等. 冲击射流流动换热超大涡模拟研究
[J]. 推进技术, 2020, 41(10): 2237-2247.
WAN Pengxiang, FAN Jun, HAN Xingsi, et al. Very-large eddy
simulation of impinging jet flow and heat transfer [ J]. Journal of
Propulsion Technology, 2020, 41(10): 2237-2247.
[15] 李国杰, 黄萌, 陈斌. 基于 PISO 算法的非结构化网格 VOF 算法
[J]. 工程热物理学报, 2013, 34(3): 476-479.
LI Guojie, HUANG Meng, CHEN Bing. VOF method on unstructured
grid using PISO algorithm [ J]. Journal of Engineering Thermophysics, 2013, 34(3): 476-479.
[16] 董玮, 何庆南, 梁武科, 等. 双蜗壳离心泵泵腔轴向宽度与流动

DONG Wei, HE Qingnan, LIANG Wuke, et al. Relationship
between axial width and flow characteristics of pump chamber in
double volute centrifugal pump [ J ]. Journal of Northwestern
Polytechnical University, 2020, 38(6): 1322-1329.
[17] 陈恺, 张震宇, 王同光, 等. 基于 CFD 的水平轴风力机叶尖小翼
增功研究[J]. 太阳能学报, 2021, 42(1): 272-278.
CHEN Kai, ZHANG Zhenyu, WANG Tongguang, et al. CFD-Based
power enhancement of winglets for horizontal-axis wind turbines [ J].
Acta Energiae Solaris Sinica, 2021, 42(1): 272-278.
[18] 张志君, 金柱男, 辛相锦, 等. 基于 VOF 方法的湿式离合器润滑
油路 CFD 数值模拟[J]. 东北大学学报(自然科学版), 2020, 41
(5): 716-722.
ZHANG Zhijun, JIN Zhunan, XIN Xiangjin, et al. VOF method
based CFD numerical simulation for wet clutch lubricating oil passage
[ J]. Journal of Northeastern University (Natural Science), 2020, 41
(5): 716-722.
[19] 罗永钦, 刁明军, 何大明, 等. 高坝明流泄洪洞掺气减蚀三维数
值模拟分析[J]. 水科学进展, 2012, 23(1): 110-116.
LUO Yongqin, DIAO Mingjun, HE Daming, et al. Numerical simulation of aeration and cavitation in high dam spillway tunnels [ J].
Advances in Water Science, 2012, 23(1): 110-116.
[20] 许文海, 党彦, 李国栋, 等. 双洞式溢洪洞三维流动的数值模拟
[J]. 水力发电学报, 2007(1): 56-60.
XU Wenhai, DANG Yan, LI Guodong, et al. Three dimensional
numerical simulation of the bi-tunnel spillway flow [ J]. Journal of
Hydroelectric Engineering, 2007(1): 56-60.
[21] 李爱华, 王腾, 刘沛清. 溪洛渡坝区岩石河床冲刷过程数值模拟
[J]. 水力发电学报, 2012, 31(5): 154-158.
LI Aihua, WANG Teng, LIU Peiqing. Numerical simulation of rock
bed scour behind the dam of Xiluodu hydropower station [J]. Journal
of Hydroelectric Engineering, 2012, 31(5): 154-15

Flow on the inclined drop with bat-shaped elements: (a) Non-submerged flow

Numerical Methods in Civil Engineering

Rasoul Daneshfaraz*, Ehsan Aminvash**, Silvia Di Francesco***, Amir Najibi**, John Abraham****

토목공학의 수치해석법

Abstract

The main purpose of this study is to provide a method to increase energy dissipation on an inclined drop. Therefore, three types of rough elements with cylindrical, triangular and batshaped geometries are used on the inclined slope in the relative critical depth range of 0.128 to 0.36 and the effect of the geometry of these elements is examined using Flow 3D software. The results showed demonstrate that the downstream relative depth obtained from the numerical analysis is in good agreement with the laboratory results. The application of rough elements on the inclined drop increased the downstream relative depth and also the relative energy dissipation. The application of rough elements on the sloping surface of the drop significantly reduced the downstream Froude number, so that the Froude number in all models ranging from 4.7~7.5 to 1.45~3.36 also decreased compared to the plain drop. Bat-shaped elements are structurally smaller in size, so the use of these elements, in addition to dissipating more energy, is also economically viable.

이 연구의 주요 목적은 경사진 낙하에서 에너지 소산을 증가시키는 방법을 제공하는 것입니다. 따라서 0.128 ~ 0.36의 상대 임계 깊이 범위에서 경사면에 원통형, 삼각형 및 박쥐 모양의 형상을 가진 세 가지 유형의 거친 요소가 사용되며 이러한 요소의 형상의 영향은 Flow 3D 소프트웨어를 사용하여 조사됩니다. 결과는 수치 분석에서 얻은 하류 상대 깊이가 실험실 결과와 잘 일치함을 보여줍니다. 경 사진 낙하에 거친 요소를 적용하면 하류 상대 깊이와 상대 에너지 소산이 증가했습니다. 낙차 경사면에 거친 요소를 적용하면 하류의 Froude 수를 크게 감소시켜 4.7~7.5에서 1.45~3.36 범위의 모든 모델에서 Froude 수도 일반 낙차에 비해 감소했습니다. 박쥐 모양의 요소는 구조적으로 크기가 더 작기 때문에 더 많은 에너지를 분산시키는 것 외에도 이러한 요소를 사용하는 것이 경제적으로도 가능합니다.

Keywords: Downstream depth, Energy dissipation, Froude number, Inclined drop, Roughness elements

Introduction

급수 네트워크 시스템, 침식 수로, 수처리 시스템 및 경사가 큰 경우 흐름 에너지를 더 잘 제어하기 위해 경사 방울을 사용할 수 있습니다. 낙하 구조는 지반의 자연 경사를 설계 경사로 변환하여 에너지 소산, 유속 감소 및 수심 증가를 유발합니다. 따라서 흐름의 하류 에너지를 분산 시키기 위해 에너지 분산 구조를 사용할 수 있습니다. 난기류와 혼합된 물과 공기의 형성은 에너지 소비를 증가 시키는 효과적인 방법입니다. 흐름 경로에서 거칠기 요소를 사용하는 것은 에너지 소산을 위한 알려진 방법입니다. 이러한 요소는 흐름 경로에 배치됩니다. 그들은 종종 에너지 소산을 증가시키기 위해 다른 기하학적 구조와 배열을 가지고 있습니다. 이 연구의 목적은 직사각형 경사 방울에 대한 거칠기 요소의 영향을 조사하는 것입니다.

Fig. 1: Model made in Ardabil, Iran
Fig. 1: Model made in Ardabil, Iran
Fig. 2: Geometric and hydraulic parameters of an inclined drop equipped with roughness elements
Fig. 2: Geometric and hydraulic parameters of an inclined drop equipped with roughness elements
Fig. 3: Views of the incline with (a) Bat-shaped, (b) Cylindrical, (c) Triangular roughness elements
Fig. 3: Views of the incline with (a) Bat-shaped, (b) Cylindrical, (c) Triangular roughness elements
Fig. 4: Geometric profile of inclined drop and boundary conditions with the bat-shape roughness element
Fig. 4: Geometric profile of inclined drop and boundary conditions with the bat-shape roughness element
Fig. 5: Variation of the RMSE varying cell size
Fig. 5: Variation of the RMSE varying cell size
Fig. 6: Numerical and laboratory comparison of the downstream relative depth
Fig. 6: Numerical and laboratory comparison of the downstream relative depth
Fig. 7: Flow profile on inclined drop in discharge of 5 L/s: (a) Without roughness elements; (b) Bat-shaped roughness element; (c) Cylindrical roughness element; (d) Triangular roughness element
Fig. 7: Flow profile on inclined drop in discharge of 5 L/s: (a) Without roughness elements; (b) Bat-shaped roughness element; (c) Cylindrical roughness element; (d) Triangular roughness element
Fig. 8: Relative edge depth versus the relative critical depth
Fig. 8: Relative edge depth versus the relative critical depth
Flow on the inclined drop with bat-shaped elements: (a) Non-submerged flow
Flow on the inclined drop with bat-shaped elements: (a) Non-submerged flow
Fig. 9: Flow on the inclined drop with bat-shaped elements: (b) Submerged flow
Fig. 9: Flow on the inclined drop with bat-shaped elements: (b) Submerged flow
Fig. 10: Relative downstream depth versus the relative critical depth
Fig. 10: Relative downstream depth versus the relative critical depth
Fig. 11: Relative downstream depth versus the relative critical depth
Fig. 11: Relative downstream depth versus the relative critical depth

Conclusions

현재 연구에서 FLOW-3D 소프트웨어를 사용하여 한 높이, 한 각도, 밀도 15% 및 지그재그 배열에서 삼각형, 원통형 및 박쥐 모양의 형상을 가진 세 가지 유형의 거칠기 요소를 사용하여 경사 낙하 수리학적 매개변수에 대한 거칠기 요소 형상의 영향 평가되었다. VOF 방법을 사용하여 자유 표면 흐름을 시뮬레이션하고 초기에 3개의 난류 모델 RNG, k-ɛ 및 kω를 검증에 사용하고 이를 검토한 후 RNG 방법을 사용하여 다른 모델을 시뮬레이션했습니다. 1- 수치 결과에서 얻은 부드러운 경사 방울의 하류 상대 깊이는 실험실 데이터와 매우 좋은 상관 관계가 있으며 원통형 요소가 장착 된 경사 방울의 상대 에지 깊이 값이 가장 높았습니다. 2- 하류 상대깊이는 임계상대깊이가 증가함에 따라 상승하는 경향을 나타내어 박쥐형 요소를 구비한 경사낙하와 완만한 경사낙하가 각각 하류상대깊이가 가장 높고 가장 낮았다. 3- 하류 깊이의 증가로 인해 상대적 임계 깊이가 증가함에 따라 상대적 에너지 소산이 감소합니다. 한편, 가장 높은 에너지 소산은 박쥐 모양의 요소가 장착된 경사 낙하와 관련이 있으며 가장 낮은 에너지 소산은 부드러운 낙하와 관련이 있습니다. 삼각형, 원통형 및 박쥐 모양의 거친 요소가 장착된 드롭은 부드러운 드롭보다 각각 65%, 76% 및 85% 더 많은 흐름 에너지를 소산합니다. 4- 낙차의 경사면에 거친 요소를 적용하여 다운 스트림 Froude 수를 크게 줄여 4.7 ~ 7.5에서 1.45 ~ 3.36까지의 모든 모델에서 Froude 수가 부드러운 낙하에 비해 감소했습니다. 또한, 다른 원소보다 부피가 작은 박쥐 모양의 거칠기의 부피로 인해 이러한 유형의 거칠기를 사용하는 것이 경제적입니다.

References

References:
[1] Abbaspour, A., Shiravani, P., and Hosseinzadeh dalir, A.,
“Experimental study of the energy dissipation on the rough ramps”,
ISH journal of hydraulic engineering, 2019, p. 1-9.
[2] Abraham, J.P., Sparrow, E.M., Gorman, J.M., Zhao, Y., and
Minkowycz, W.J., “Application of an Intermittency model for
laminar, transitional, and turbulent internal flows”, Journal of
Fluids Engineering, vol. 141, 2019, paper no. 071204.
[3] Ahmad, Z., Petappa, N.M., and Westrich, B., “Energy
dissipation on block ramps with staggered boulders”, Journal of
hydraulic engineering, vol. 135(6), 2009, p. 522-526.
[4] Babaali, H.R., Shamsai, A., and Vosoughifar, H.R.,
“Computational modeling of the hydraulic jump in the stilling
basin with convergence walls using CFD codes”, Arabian Journal
for Science and Engineering, vol. 40(2), 2014, p. 381-395.
[5] Castillo, L.G., Carrillo, J.M., and Cacía, J.T., “Numerical
simulations and laboratory measurements in hydraulic jumps”,
International conference on hydroinformatics. (2014, August) New
York city.
[6] Daneshfaraz, R., Aminvash, E., Esmaeli, R., Sadeghfam, S.,
and Abraham, J., “Experimental and numerical investigation for
energy dissipation of supercritical flow in sudden contractions”,
Journal of groundwater science and engineering, vol. 8(4), 2020a,
p. 396-406.
[7] Daneshfaraz, R., Aminvash, E., Ghaderi, A., Kuriqi, A., and
Abraham, J., “Three-dimensional investigation of hydraulic
properties of vertical drop in the presence of step and grid
dissipators”, Symmetry, vol. 13 (5), 2021a, p. 895.
[8] Daneshfaraz, R., Aminvash, E., Ghaderi, A., Abraham, J., and
Bagherzadeh, M., “SVM performance for predicting the effect of
horizontal screen diameters on the hydraulic parameters of a
vertical drop”, Applied sciences, vol. 11 (9), 2021b, p. 4238.
[9] Daneshfaraz, R., Bagherzadeh, M., Esmaeeli, R., Norouzi, R.,
and Abraham, J. “Study of the performance of support vector
machine for predicting vertical drop hydraulic parameters in the
presence of dual horizontal screens”, Water supply, vol 21(1),
2021c, p. 217-231.
[10] Daneshfaraz, R., and Ghaderi, A., “Numerical investigation of
inverse curvature ogee spillways”, Civil engineering journal, vol.
3(11), 2017, p. 1146-1156.
[11] Daneshfaraz, R., Majedi Asl, M., and Bagherzadeh, M.,
“Experimental Investigation of the Energy Dissipation and the
Downstream Relative Depth of Pool in the Sloped Gabion Drop
and the Sloped simple Drop”, AUT Journal of Civil Engineering,
2020b (In persian).
[12] Daneshfaraz, R., Majedi Asl, M., Bazyar, A., Abraham, J.,
Norouzi, R., “The laboratory study of energy dissipation in inclined
drops equipped with a screen”, Journal of Applied Water
Engineering and Research, 2020c, p. 1-10.
[13] Daneshfaraz, R., Minaei, O., Abraham, J., Dadashi, S., and
Ghaderi, A., “3-D Numerical simulation of water flow over a
broad-crested weir with openings”, ISH Journal of Hydraulic
Engineering, 2019, p.1-9.
[14] Daneshfaraz, R., Sadeghfam, S., and Kashani, M., “Numerical
simulation of flow over stepped spillways”, Research in civil
engineering and environmental engineering, vol. 2(4), 2014, p.
190-198.
[15] Ghaderi, A., Abbasi, S., Abraham, J., and Azamathulla, H.M.,
“Efficiency of trapezoidal labyrinth shaped stepped spillways”,
Flow measurement and instrumentation, vol. 72, 2020a.
[16] Ghaderi, A., Daneshfaraz, R., Dasineh, M., and Di Francesco,
S., “Energy dissipation and hydraulics of flow over trapezoidaltriangular labyrinth weirs”, Water, vol. 12(7), 2020b, p. 1-18.
[17] Ghaderi, A., Daneshfaraz, R., Torabi, M., Abraham, and
Azamathulla, H.M. “Experimental investigation on effective
scouring parameters downstream from stepped spillways”, Water
supply, vol. 20(4), 2020c, p. 1-11.
[18] Ghare, A.D., Ingle, R.N., Porey, P.D., and Gokhale, S.S.
“Block ramp design for efficient energy dissipation”, Journal of
energy dissipation, vol. 136(1), 2010, p. 1-5.
[19] Gorman, J.M., Sparrow, E.M., Smith, C.J., Ghoash, A.,
Abraham, J.P., Daneshfaraz, R., Rezezadeh, J., “In-bend pressure
drop and post-bend heat transfer for a bend with partial blockage at
its inlet”, Numerical Heat Transfer A, vol, 73, 2018, p. 743-767.
[20] Jamil, M., and Khan, S.A., “Theorical study of hydraulic jump
in circular channel section”, ISH journal of hydraulic engineering,
vol. 16(1), 2010, p. 1-10.
[21] Katourani, S., and Kashefipour, S.M., “Effect of the geometric
characteristics of baffle on hydraulic flow condition in baffled
apron drop”, Irrigation sciences and engineering, vol. 37(2), 2012,
p. 51-59.
[22] Lai, Y.G., and Wu, K.A., “Three-dimensional flow and
sediment transport model for free surface open channel flow on
unstructured flexible meshes”, Fluids, vol. 4(1), 2019, p. 1-19.

[23] Nayebzadeh, B., Lotfollahi yaghin, M.A., and Daneshfaraz,
R., “Numerical investigation of hydraulic characteristics of vertical
drops with screens and gradually wall expanding”, Amirkabir
journal of civil engineering, 2020 (In Persian).
[24] Nurouzi, R., Daneshfaraz, R., and Bazyar, A., “The study of
energy dissipation due to the use of vertical screen in the
downstream of inclined drop by adaptive Neuro-Fuzzy inference
system (ANFIS)”, AUT journal of civil engineering, 2019, (In
Persian).
[25] Ohtsu, I., and Yasuda, Y., “Hydraulic jump in sloping
channel”, Journal of hydraulic engineering, vol. 117(7), 1991, p.
905-921.
[26] Olsen, L., Abraham, J.P., Cheng, L.K., Gorman, J.M., and
Sparrow, E.M., “Summary of forced-convection fluid flow and
heat transfer for square cylinders of different aspect ratios ranging
from the cube to a two-dimensional cylinder”, Advances in Heat
Transfer, Vol. 51, 2019, p. 351-457.
[27] Pagliara, S., Das, R., and Palermo, M., “Energy dissipation on
submerged block ramps”, Journal of irrigation and drainage
engineering, vol. 134(4), 2008, p.527-532.
[28] Pagliara, S., and Palermo, M., “Effect of stilling basin
geometry on the dissipative process in the presence of block
ramps”, Journal of irrigation and drainage engineering, vol.
138(11), 2012, p. 1027-1031.
[29] Simsek, O., Akoz, M.S, and Soydan, N.G., “Numerical
validation of open channel flow over a curvilinear broad-creasted
weir”, Progress in computational fluid dynamics an international
journal, vol. 16(6), 2016, p. 364-378.
[30] Sharif, N., and Rostami, A., “Experimental and numerical
study of the effect of flow sepration on dissipating energy in
compound bucket”, APCBEE procedia, vol. 9, 2014, p. 334-338.
[31] Sparrow, E.M., Tong, J.C.K., and Abraham, J.P., “Fluid flow
in a system with separate laminar and turbulent zones”, Numerical
Heat Transfer A, vol. 53(4), 2008, p. 341-353.
[32] Sparrow, E.M., Gorman, J.M., Abraham, J.P., and
Minkowycz, W.J., “Validation of turbulence models for numerical
simulation of fluid flow and convective heat transfers”, Advances
in Heat Transfer, vol. 49, 2017, p. 397-421.
[33] Wagner, W.E., “Hydraulic model studies of the check intake
structure-potholes East canal”, Bureau of reclamation hydraulic
laboratory report hyd, 1956, 411.

참조 : YS Lee and W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion , S2214-8604 (16) 30087-2, doi.org/10.1016/j.addma .2016.05.003 , ADDMA 86.

FLOW-3D AM 미세 구조 예측 | 열 응력 해석

미세 구조 예측

냉각 속도 및 온도 구배와 같은 FLOW-3D AM 데이터를 미세 구조 모델에 입력하여 결정 성장 및 수상 돌기 암 간격을 예측할 수 있습니다. 

레이저 파우더 베드 융합으로 제작 된 니켈 기반 초합금의 열전달, 유체 흐름 및 응고 미세 구조 모델링

오하이오 주립 대학의 연구원들은 니켈 기반 초합금의 미세 구조 진화를 예측하기 위해 용융 풀과 고체 / 액체 인터페이스의 적절한 위치에서 열 구배 및 냉각 속도 데이터를 추출했습니다.

참조 : YS Lee and W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion , S2214-8604 (16) 30087-2, doi.org/10.1016/j.addma .2016.05.003 , ADDMA 86.
참조 : YS Lee and W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion , S2214-8604 (16) 30087-2, doi.org/10.1016/j.addma .2016.05.003 , ADDMA 86.

열 응력 | Thermal Stresses

FLOW-3D AM 시뮬레이션의 결과를 ABAQUS 또는 MSC NASTRAN과 같은 FEA 소프트웨어에 입력하여 추가 열 응력 분석을 실행할 수 있습니다. 여기에서 T- 조인트의 레이저 용접 시뮬레이션 결과를 추가 응력 분석을 위해 ABAQUS로 가져 오는 방법을 볼 수 있습니다. 마찬가지로 LPBF 시뮬레이션에서 응고 된 용융 풀 데이터의 결과를 사용하여 다른 FEA 소프트웨어에서 열 응력 및 왜곡 분석을 연구 할 수 있습니다.

Thermal Stresses Analysis Fig1
Thermal Stresses Analysis Fig1
Thermal Stresses Analysis Fig2
Thermal Stresses Analysis Fig2

Thermal Stresses Case Study

Directed Energy Deposition

DED (Directed Energy Deposition)는 레이저 또는 전자 빔과 같은 에너지 소스를 사용하여 가열 및 융합되는 와이어 또는 분말을 증착하여 부품을 만드는 적층 제조 공정입니다. FLOW-3D AM 은 분말 또는 와이어 이송 속도 및 크기 특성, 레이저 출력 및 스캔 속도와 같은 공정 매개 변수를 고려하여 DED 공정을 시뮬레이션 할 수 있습니다. 또한, 기판과 분말 재료의 서로 다른 합금에 대해 독립적 인 열 물리적 재료 특성을 정의하여 다중 재료 DED 프로세스를 시뮬레이션 할 수 있습니다. 

레이저 물리학의 구현과 열 전달, 응고, 표면 장력, 차폐 가스 효과 및 반동 압력을 포함한 압력 효과를 통해 연구원은 결과 용접 비드의 강도 및 균일성에 대한 공정 매개 변수의 영향을 정확하게 분석 할 수 있습니다. 또한 이러한 시뮬레이션을 여러 레이어로 확장하여 후속 레이어 간의 융합을 분석 할 수 있습니다. 

FLOW-3D AM

flow3d AM-product
FLOW-3D AM-product

와이어 파우더 기반 DED | Wire Powder Based DED

일부 연구자들은 부품을 만들기 위해 더 넓은 범위의 처리 조건을 사용하여 하이브리드 와이어 분말 기반 DED 시스템을 찾고 있습니다. 예를 들어, 이 시뮬레이션은 다양한 분말 및 와이어 이송 속도를 가진 하이브리드 시스템을 살펴봅니다.

와이어 기반 DED | Wire Based DED

와이어 기반 DED는 분말 기반 DED보다 처리량이 높고 낭비가 적지만 재료 구성 및 증착 방향 측면에서 유연성이 떨어집니다. FLOW-3D AM 은 와이어 기반 DED의 처리 결과를 이해하는데 유용하며 최적화 연구를 통해 빌드에 대한 와이어 이송 속도 및 직경과 같은 최상의 처리 매개 변수를 찾을 수 있습니다.

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

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

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

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

레이저 파우더 베드 퓨전 (L-PBF)

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

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

파우더 베드 부설 공정

FLOW-3D DEM을 통해 분말 크기 분포, 재료 특성, 응집 효과는 물론 롤러 또는 블레이드 움직임 및 상호 작용과 같은 기하학적 효과와 관련된 분말 확산 및 압축을 이해할 수 있습니다. 이러한 시뮬레이션은 공정 매개 변수가 후속 인쇄 공정에서 용융 풀 역학에 직접적인 영향을 미치는 패킹 밀도와 같은 분말 베드 특성에 어떻게 영향을 미치는지에 대한 정확한 이해를 제공합니다.

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

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

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

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

Melting | 파우더 베드 용해

DEM 시뮬레이션에서 파우더 베드가 생성되면 STL 파일로 추출됩니다. 다음 단계는 CFD를 사용하여 레이저 용융 공정을 시뮬레이션하는 것입니다. 여기서는 레이저 빔과 파우더 베드의 상호 작용을 모델링 합니다. 이 프로세스를 정확하게 포착하기 위해 물리학에는 점성 흐름, 용융 풀 내의 레이저 반사 (광선 추적을 통해), 열 전달, 응고, 상 변화 및 기화, 반동 압력, 차폐 가스 압력 및 표면 장력이 포함됩니다. 이 모든 물리학은 이 복잡한 프로세스를 정확하게 시뮬레이션하기 위해 TruVOF 방법을 기반으로 개발되었습니다.

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

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

Multilayer | 다층 적층 제조

용융 풀 트랙이 응고되면 DEM을 사용하여 이전에 응고된 층에 새로운 분말 층의 확산을 시뮬레이션 할 수 있습니다. 유사하게, 레이저 용융은 새로운 분말 층에서 수행되어 후속 층 간의 융합 조건을 분석 할 수 있습니다.

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

다층 적층 적층 제조 시뮬레이션

LPBF의 키홀 링 | Keyholing in LPBF

키홀링 중 다공성은 어떻게 형성됩니까? 이것은 TU Denmark의 연구원들이 FLOW-3D AM을 사용하여 답변한 질문이었습니다. 레이저 빔의 적용으로 기판이 녹으면 기화 및 상 변화로 인한 반동 압력이 용융 풀을 압박합니다. 반동 압력으로 인한 하향 흐름과 레이저 반사로 인한 추가 레이저 에너지 흡수가 공존하면 폭주 효과가 발생하여 용융 풀이 Keyholing으로 전환됩니다. 결국, 키홀 벽을 따라 온도가 변하기 때문에 표면 장력으로 인해 벽이 뭉쳐져서 진행되는 응고 전선에 의해 갇힐 수 있는 공극이 생겨 다공성이 발생합니다. FLOW-3D AM 레이저 파우더 베드 융합 공정 모듈은 키홀링 및 다공성 형성을 시뮬레이션 하는데 필요한 모든 물리 모델을 보유하고 있습니다.

바인더 분사 (Binder jetting)

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

Scan Strategy | 스캔 전략

스캔 전략은 온도 구배 및 냉각 속도에 영향을 미치기 때문에 미세 구조에 직접적인 영향을 미칩니다. 연구원들은 FLOW-3D AM 을 사용하여 결함 형성과 응고된 금속의 미세 구조에 영향을 줄 수 있는 트랙 사이에서 발생하는 재 용융을 이해하기 위한 최적의 스캔 전략을 탐색하고 있습니다. FLOW-3D AM 은 하나 또는 여러 레이저에 대해 시간에 따른 방향 속도를 구현할 때 완전한 유연성을 제공합니다.

Beam Shaping | 빔 형성

레이저 출력 및 스캔 전략 외에도 레이저 빔 모양과 열유속 분포는 LPBF 공정에서 용융 풀 역학에 큰 영향을 미칩니다. AM 기계 제조업체는 공정 안정성 및 처리량에 대해 다중 코어 및 임의 모양의 레이저 빔 사용을 모색하고 있습니다. FLOW-3D AM을 사용하면 멀티 코어 및 임의 모양의 빔 프로파일을 구현할 수 있으므로 생산량을 늘리고 부품 품질을 개선하기 위한 최상의 구성에 대한 통찰력을 제공 할 수 있습니다.

이 영역에서 수행 된 일부 작업에 대해 자세히 알아 보려면 “The Next Frontier of Metal AM”웨비나를 시청하십시오.

Multi-material Powder Bed Fusion | 다중 재료 분말 베드 융합

이 시뮬레이션에서 스테인리스 강 및 알루미늄 분말은 FLOW-3D AM 이 용융 풀 역학을 정확하게 포착하기 위해 추적하는 독립적으로 정의 된 온도 의존 재료 특성을 가지고 있습니다. 시뮬레이션은 용융 풀에서 재료 혼합을 이해하는 데 도움이됩니다.

다중 재료 용접 사례 연구

이종 금속의 레이저 키홀 용접에서 금속 혼합 조사

GM과 University of Utah의 연구원들은 FLOW-3D WELD 를 사용 하여 레이저 키홀 용접을 통한 이종 금속의 혼합을 이해했습니다. 그들은 반동 압력 및 Marangoni 대류와 관련하여 구리와 알루미늄의 혼합 농도에 대한 레이저 출력 및 스캔 속도의 영향을 조사했습니다. 그들은 시뮬레이션을 실험 결과와 비교했으며 샘플 내의 절단 단면에서 재료 농도 사이에 좋은 일치를 발견했습니다.

이종 금속의 레이저 키홀 용접에서 금속 혼합 조사
이종 금속의 레이저 키홀 용접에서 금속 혼합 조사
참조 : Wenkang Huang, Hongliang Wang, Teresa Rinker, Wenda Tan, 이종 금속의 레이저 키홀 용접에서 금속 혼합 조사 , Materials & Design, Volume 195, (2020). https://doi.org/10.1016/j.matdes.2020.109056
참조 : Wenkang Huang, Hongliang Wang, Teresa Rinker, Wenda Tan, 이종 금속의 레이저 키홀 용접에서 금속 혼합 조사 , Materials & Design, Volume 195, (2020). https://doi.org/10.1016/j.matdes.2020.109056

방향성 에너지 증착

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

electromagnetic metal casting computation designs Fig1

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

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

Abstract

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

Korea Abstract

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

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

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

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

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

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

References

  1. 1.J. Sun, W. Wang, Q. Yue, Review on electromagnetic-matter interaction fundamentals and efficient electromagnetic-associated heating strategies. Materials 9(4), 231 (2016). https://doi.org/10.3390/ma9040231ADS Article Google Scholar 
  2. 2.E. Ghasali, A. Fazili, M. Alizadeh, K. Shirvanimoghaddam, T. Ebadzadeh, Evaluation of microstructure and mechanical properties of Al-TiC metal matrix composite prepared by conventional, electromagnetic and spark plasma sintering methods. Materials 10(11), 1255 (2017). https://doi.org/10.3390/ma10111255ADS Article Google Scholar 
  3. 3.D. Agrawal, Latest global developments in electromagnetic materials processing. Mater. Res. Innov. 14(1), 3–8 (2010). https://doi.org/10.1179/143307510×12599329342926Article Google Scholar 
  4. 4.S. Singh, P. Singh, D. Gupta, V. Jain, R. Kumar, S. Kaushal, Development and characterization of electromagnetic processed cast iron joint. Eng. Sci. Technol. Int. J. (2018). https://doi.org/10.1016/j.jestch.2018.10.012Article Google Scholar 
  5. 5.S. Singh, D. Gupta, V. Jain, Electromagnetic melting and processing of metal–ceramic composite castings. Proc. Inst. Mech. Eng. Part B J. Eng. Manuf. 232(7), 1235–1243 (2016). https://doi.org/10.1177/0954405416666900Article Google Scholar 
  6. 6.S. Singh, D. Gupta, V. Jain, Novel electromagnetic composite casting process: theory, feasibility and characterization. Mater. Des. 111, 51–59 (2016). https://doi.org/10.1016/j.matdes.2016.08.071Article Google Scholar 
  7. 7.J. Lucas, J, What are electromagnetics? LiveScience. (2018). https://www.livescience.com/50259-Electromagnetics.html
  8. 8.R. Samyal, A.K. Bagha, R. Bedi, the casting of materials using electromagnetic energy: a review. Mater. Today Proc. (2020). https://doi.org/10.1016/j.matpr.2020.02.255Article Google Scholar 
  9. 9.S. Singh, D. Gupta, V. Jain, Processing of Ni-WC-8Co MMC casting through electromagnetic melting. Mater. Manuf. Process. (2017). https://doi.org/10.1080/10426914.2017.1291954Article Google Scholar 
  10. 10.R. Singh, S. Singh, V. Mahajan, Investigations for dimensional accuracy of investment casting process after cycle time reduction by advancements in shell moulding. Procedia Mater. Sci. 6, 859–865 (2014). https://doi.org/10.1016/j.mspro.2014.07.103Article Google Scholar 
  11. 11.R.R. Mishra, A.K. Sharma, On melting characteristics of bulk Al-7039 alloy during in-situ electromagnetic casting. Appl. Therm. Eng. 111, 660–675 (2017). https://doi.org/10.1016/j.applthermaleng.2016.09.122Article Google Scholar 
  12. 12.S. Zhang, 10 Different types of casting process. (2021). MachineMfg.com, https://www.machinemfg.com/types-of-casting/
  13. 13.Envirocare, Foundry health risks. (2013). https://envirocare.org/foundry-health-risks/
  14. 14.S.S. Gajmal, D.N. Raut, A review of opportunities and challenges in electromagnetic assisted casting. Recent Trends Product. Eng. 2(1) (2019)
  15. 15.R.R. Mishra, A.K. Sharma, Electromagnetic-material interaction phenomena: heating mechanisms, challenges and opportunities in material processing. Compos. Part A (2015). https://doi.org/10.1016/j.compositesa.2015.10.035Article Google Scholar 
  16. 16.S. Chandrasekaran, T. Basak, S. Ramanathan, Experimental and theoretical investigation on electromagnetic melting of metals. J. Mater. Process. Technol. 211(3), 482–487 (2011). https://doi.org/10.1016/j.jmatprotec.2010.11.001Article Google Scholar 
  17. 17.C.R. Bird, J.M. Mertz, U.S. Patent No. 4655276. (U.S. Patent and Trademark Office, Washington, DC, 1987)
  18. 18.R.R. Mishra, A.K. Sharma, Experimental investigation on in-situ electromagnetic casting of copper. IOP Conf. Ser. Mater. Sci. Eng. 346, 012052 (2018). https://doi.org/10.1088/1757-899x/346/1/012052Article Google Scholar 
  19. 19.V. Gangwar, S. Kumar, V. Singh, H. Singh, Effect of process parameters on hardness of AA-6063 in-situ electromagnetic casting by using taguchi method, in IOP Conference Series: Materials Science and Engineering, vol. 804(1) (IOP Publishing, 2020), p. 012019
  20. 20.X. Ye, S. Guo, L. Yang, J. Gao, J. Peng, T. Hu, L. Wang, M. Hou, Q. Luo, New utilization approach of electromagnetic thermal energy: preparation of metallic matrix diamond tool bit by electromagnetic hot-press sintering. J. Alloy. Compd. (2018). https://doi.org/10.1016/j.jallcom.2018.03.183Article Google Scholar 
  21. 21.S. Das, A.K. Mukhopadhyay, S. Datta, D. Basu, Prospects of Electromagnetic processing: an overview. Bull. Mater. Sci. 32(1), 1–13 (2009). https://doi.org/10.1007/s12034-009-0001-4Article Google Scholar 
  22. 22.K.L. Glass, D.M. Ashby, U.S. Patent No. 9050656. (U.S. Patent and Trademark Office, Washington, DC, 2015)
  23. 23.S. Verma, P. Gupta, S. Srivastava, S. Kumar, A. Anand, An overview: casting/melting of non ferrous metallic materials using domestic electromagnetic oven. J. Mater. Sci. Mech. Eng. 4(4), (2017). p-ISSN: 2393-9095; e-ISSN: 2393-9109
  24. 24.S.S. Panda, V. Singh, A. Upadhyaya, D. Agrawal, Sintering response of austenitic (316L) and ferritic (434L) stainless steel consolidated in conventional and electromagnetic furnaces. Scripta Mater. 54(12), 2179–2183 (2006). https://doi.org/10.1016/j.scriptamat.2006.02.034Article Google Scholar 
  25. 25.Y. Zhang, S. Yang, S. Wang, X. Liu, L. Li, Microwave/freeze casting assisted fabrication of carbon frameworks derived from embedded upholder in tremella for superior performance supercapacitors. Energy Storage Mater. (2018). https://doi.org/10.1016/j.ensm.2018.08.006Article Google Scholar 
  26. 26.D. Thomas, P. Abhilash, M.T. Sebastian, Casting and characterization of LiMgPO4 glass free LTCC tape for electromagnetic applications. J. Eur. Ceram. Soc. 33(1), 87–93 (2013). https://doi.org/10.1016/j.jeurceramsoc.2012.08.002Article Google Scholar 
  27. 27.M.H. Awida, N. Shah, B. Warren, E. Ripley, A.E. Fathy, Modeling of an industrial Electromagnetic furnace for metal casting applications. 2008 IEEE MTT-S Int. Electromagn. Symp. Digest. (2008). https://doi.org/10.1109/mwsym.2008.4633143Article Google Scholar 
  28. 28.P.K. Loharkar, A. Ingle, S. Jhavar, Parametric review of electromagnetic-based materials processing and its applications. J. Market. Res. 8(3), 3306–3326 (2019). https://doi.org/10.1016/j.jmrt.2019.04.004Article Google Scholar 
  29. 29.E.B. Ripley, J.A. Oberhaus, WWWeb search power page-melting and heat treating metals using electromagnetic heating-the potential of electromagnetic metal processing techniques for a wide variety of metals and alloys is. Ind. Heat. 72(5), 65–70 (2005)Google Scholar 
  30. 30.J. Campbell, Complete Casting Handbook: Metal Casting Processes, Metallurgy, Techniques and Design (Butterworth-Heinemann, 2015)Google Scholar 
  31. 31.B. Ravi, Metal Casting: Computer-Aided Design and Analysis, 1st edn. (PHI Learning Ltd, 2005)Google Scholar 
  32. 32.D.E. Clark, W.H. Sutton, Electromagnetic processing of materials. Annu. Rev. Mater. Sci. 26(1), 299–331 (1996)ADS Article Google Scholar 
  33. 33.A.D. Abdullin, New capabilities of software package ProCAST 2011 for modeling foundry operations. Metallurgist 56(5–6), 323–328 (2012). https://doi.org/10.1007/s11015-012-9578-8Article Google Scholar 
  34. 34.J. Ha, P. Cleary, V. Alguine, T. Nguyen, Simulation of die filling in gravity die casting using SPH and MAGMAsoft, in Proceedings of 2nd International Conference on CFD in Minerals & Process Industries (1999) pp. 423–428
  35. 35.M. Sirviö, M. Woś, Casting directly from a computer model by using advanced simulation software FLOW-3D Cast Ž. Arch. Foundry Eng. 9(1), 79–82 (2009)Google Scholar 
  36. 36.NOVACAST Systems, Nova-Solid/Flow Brochure, NOVACAST, Ronneby (2015)
  37. 37.AutoCAST-X1 Brochure, 3D Foundry Tech, Mumbai
  38. 38.EKK, Inc. Metal Casting Simulation Software and Consulting Services, CAPCAST Brochure
  39. 39.P. Muenprasertdee, Solidification modeling of iron castings using SOLIDCast (2007)
  40. 40.CasCAE, CT-CasTest Inc. Oy, Kerava
  41. 41.E. Dominguez-Tortajada, J. Monzo-Cabrera, A. Diaz-Morcillo, Uniform electric field distribution in electromagnetic heating applicators by means of genetic algorithms optimization of dielectric multilayer structures. IEEE Trans. Electromagn. Theory Tech. 55(1), 85–91 (2007). https://doi.org/10.1109/tmtt.2006.886913ADS Article Google Scholar 
  42. 42.B. Warren, M.H. Awida, A.E. Fathy, Electromagnetic heating of metals. IET Electromagn. Antennas Propag. 6(2), 196–205 (2012)Article Google Scholar 
  43. 43.S. Ashouri, M. Nili-Ahmadabadi, M. Moradi, M. Iranpour, Semi-solid microstructure evolution during reheating of aluminum A356 alloy deformed severely by ECAP. J. Alloy. Compd. 466(1–2), 67–72 (2008). https://doi.org/10.1016/j.jallcom.2007.11.010Article Google Scholar 
  44. 44.Penn State, Metal Parts Made In The Electromagnetic Oven. ScienceDaily. (1999) Retrieved May 8, 2021, from www.sciencedaily.com/releases/1999/06/990622055733.htm
  45. 45.R.R. Mishra, A.K. Sharma, A review of research trends in electromagnetic processing of metal-based materials and opportunities in electromagnetic metal casting. Crit. Rev. Solid State Mater. Sci. 41(3), 217–255 (2016). https://doi.org/10.1080/10408436.2016.1142421ADS Article Google Scholar 
  46. 46.D.K. Ghodgaonkar, V.V. Varadan, V.K. Varadan, Free-space measurement of complex permittivity and complex permeability of magnetic materials at Electromagnetic frequencies. IEEE Trans. Instrum. Meas. 39(2), 387–394 (1990). https://doi.org/10.1109/19.52520Article Google Scholar 
  47. 47.J. Baker-Jarvis, E.J. Vanzura, W.A. Kissick, Improved technique for determining complex permittivity with the transmission/reflection method. Microw. Theory Tech. IEEE Trans. 38, 1096–1103 (1990)ADS Article Google Scholar 
  48. 48.M. Bologna, A. Petri, B. Tellini, C. Zappacosta, Effective magnetic permeability measurementin composite resonator structures. Instrum. Meas. IEEE Trans. 59, 1200–1206 (2010)Article Google Scholar 
  49. 49.B. Ravi, G.L. Datta, Metal casting–back to future, in 52nd Indian Foundry Congress, (2004)
  50. 50.D. El Khaled, N. Novas, J.A. Gazquez, F. Manzano-Agugliaro. Microwave dielectric heating: applications on metals processing. Renew. Sustain. Energy Rev. 82, 2880–2892 (2018). https://doi.org/10.1016/j.rser.2017.10.043Article Google Scholar 
  51. 51.H. Sekiguchi, Y. Mori, Steam plasma reforming using Electromagnetic discharge. Thin Solid Films 435, 44–48 (2003)ADS Article Google Scholar 
  52. 52.J. Sun, W. Wang, C. Zhao, Y. Zhang, C. Ma, Q. Yue, Study on the coupled effect of wave absorption and metal discharge generation under electromagnetic irradiation. Ind. Eng. Chem. Res. 53, 2042–2051 (2014)Article Google Scholar 
  53. 53.K.I. Rybakov, E.A. Olevsky, E.V. Krikun, Electromagnetic sintering: fundamentals and modeling. J. Am. Ceram. Soc. 96(4), 1003–1020 (2013). https://doi.org/10.1111/jace.12278Article Google Scholar 
  54. 54.A.K. Shukla, A. Mondal, A. Upadhyaya, Numerical modeling of electromagnetic heating. Sci. Sinter. 42(1), 99–124 (2010)Article Google Scholar 
  55. 55.M. Chiumenti, C. Agelet de Saracibar, M. Cervera, On the numerical modeling of the thermomechanical contact for metal casting analysis. J. Heat Transf. 130(6), (2008). https://doi.org/10.1115/1.2897923Article MATH Google Scholar 
  56. 56.B. Ravi, Metal Casting: Computer-Aided Design and Analysis. (PHI Learning Pvt. Ltd., 2005)
  57. 57.J.H. Lee, S.D. Noh, H.-J. Kim, Y.-S. Kang, Implementation of cyber-physical production systems for quality prediction and operation control in metal casting. Sensors 18, 1428 (2018). https://doi.org/10.3390/s18051428ADS Article Google Scholar 
  58. 58.B. Aksoy, M. Koru, Estimation of casting mold interfacial heat transfer coefficient in pressure die casting process by artificial intelligence methods. Arab. J. Sci. Eng. 45, 8969–8980 (2020). https://doi.org/10.1007/s13369-020-04648-7Article Google Scholar 
  59. 59.S.S. Miriyala, V.R. Subramanian, K. Mitra, TRANSFORM-ANN for online optimization of complex industrial processes: casting process as case study. Eur. J. Oper. Res. 264(1), 294–309 (2018). https://doi.org/10.1016/j.ejor.2017.05.026MathSciNet Article MATH Google Scholar 
  60. 60.J.K. Kittu, G.C.M. Patel, M. Parappagoudar, Modeling of pressure die casting process: an artificial intelligence approach. Int. J. Metalcast. (2015). https://doi.org/10.1007/s40962-015-0001-7Article Google Scholar 
  61. 61.W. Chen, B. Gutmann, C.O. Kappe, Characterization of electromagnetic-induced electric discharge phenomena in metal-solvent mixtures. ChemistryOpen 1, 39–48 (2012)Article Google Scholar 
  62. 62.J. Walker, A. Prokop, C. Lynagh, B. Vuksanovich, B. Conner, K. Rogers, J. Thiel, E. MacDonald, Real-time process monitoring of core shifts during metal casting with wireless sensing and 3D sand printing. Addit. Manuf. (2019). https://doi.org/10.1016/j.addma.2019.02.018Article Google Scholar 
  63. 63.G.C. Manjunath Patel, A.K. Shettigar, M.B. Parappagoudar, A systematic approach to model and optimize wear behaviour of castings produced by squeeze casting process. J. Manuf. Process. 32, 199–212 (2018). https://doi.org/10.1016/j.jmapro.2018.02.004Article Google Scholar 
  64. 64.G.C. Manjunath Patel, P. Krishna, M.B. Parappagoudar, An intelligent system for squeeze casting process—soft computing based approach. Int. J. Adv. Manuf. Technol. 86, 3051–3065 (2016). https://doi.org/10.1007/s00170-016-8416-8Article Google Scholar 
  65. 65.M. Ferguson, R. Ak, Y.T. Lee, K.H. Law, Automatic localization of casting defects with convolutional neural networks, in 2017 IEEE International Conference on Big Data (Big Data) (Boston, MA, USA, 2017), pp. 1726–1735. https://doi.org/10.1109/BigData.2017.8258115.
  66. 66.P.K.D.V. Yarlagadda, Prediction of die casting process parameters by using an artificial neural network model for zinc alloys. Int. J. Prod. Res. 38(1), 119–139 (2000). https://doi.org/10.1080/002075400189617Article MATH Google Scholar 
  67. 67.G.C. ManjunathPatel, A.K. Shettigar, P. Krishna, M.B. Parappagoudar, Back propagation genetic and recurrent neural network applications in modelling and analysis of squeeze casting process. Appl. Soft Comput. 59, 418–437 (2017). https://doi.org/10.1016/j.asoc.2017.06.018Article Google Scholar 
  68. 68.J. Zheng, Q. Wang, P. Zhao et al., Optimization of high-pressure die-casting process parameters using artificial neural network. Int. J. Adv. Manuf. Technol. 44, 667–674 (2009). https://doi.org/10.1007/s00170-008-1886-6Article Google Scholar 
  69. 69.E. Mares, J. Sokolowski, Artificial intelligence-based control system for the analysis of metal casting properties. J. Achiev. Mater. Manuf. Eng. 40, 149–154 (2010)Google Scholar 
  70. 70.K.S. Senthil, S. Muthukumaran, C. Chandrasekhar Reddy, Suitability of friction welding of tube to tube plate using an external tool process for different tube diameters—a study. Exp. Tech. 37(6), 8–14 (2013)Article Google Scholar 
  71. 71.N.K. Bhoi, H. Singh, S. Pratap, P.K. Jain, Electromagnetic material processing: a clean, green, and sustainable approach. Sustain. Eng. Prod. Manuf. Technol. (2019). https://doi.org/10.1016/b978-0-12-816564-5.00001-3Article Google Scholar 
  72. 72.K.S. Senthil, D.A. Daniel, An investigation of boiler grade tube and tube plate without block by using friction welding process. Mater. Today Proc. 5(2), 8567–8576 (2018)Article Google Scholar 
  73. 73.E. Hetmaniok, D. Słota, A. Zielonka, Restoration of the cooling conditions in a three-dimensional continuous casting process using artificial intelligence algorithms. Appl. Math. Modell. 39(16), 4797–4807 (2015). https://doi.org/10.1016/j.apm.2015.03.056Article MATH Google Scholar 
  74. 74.C.V. Kumar, S. Muthukumaran, A. Pradeep, S.S. Kumaran, Optimizational study of friction welding of steel tube to aluminum tube plate using an external tool process. Int. J. Mech. Mater. Eng. 6(2), 300–306 (2011)Google Scholar 
  75. 75.T. Adithiyaa, D. Chandramohan, T. Sathish, Optimal prediction of process parameters by GWO-KNN in stirring-squeeze casting of AA2219 reinforced metal matrix composites. Mater. Today Proc. 150, 1598 (2020). https://doi.org/10.1016/j.matpr.2019.10.051Article Google Scholar 
  76. 76.B.P. Pehrson, A.F. Moore (2014). U.S. Patent No. 8708031 (U.S. Patent and Trademark Office, Washington, DC, 2014)
  77. 77.Liu, J., & Rynerson, M. L. (2008). U.S. Patent No. 7,461,684. Washington, DC: U.S. Patent and Trademark Office.
  78. 78.K. Salonitis, B. Zeng, H.A. Mehrabi, M. Jolly, The challenges for energy efficient casting processes. Procedia CIRP 40, 24–29 (2016). https://doi.org/10.1016/j.procir.2016.01.043Article Google Scholar 
  79. 79.R.R. Mishra, A.K. Sharma, Effect of solidification environment on microstructure and indentation hardness of Al–Zn–Mg alloy casts developed using electromagnetic heating. Int. J. Metal Cast. 10, 1–13 (2017). https://doi.org/10.1007/s40962-017-0176-1Article Google Scholar 
  80. 80.R.R. Mishra, A.K. Sharma, Effect of susceptor and Mold material on microstructure of in-situ electromagnetic casts of Al–Zn–Mg alloy. Mater. Des. 131, 428–440 (2017). https://doi.org/10.1016/j.matdes.2017.06.038Article Google Scholar 
  81. 81.S. Kaushal, S. Bohra, D. Gupta, V. Jain, On processing and characterization of Cu–Mo-based castings through electromagnetic heating. Int. J. Metalcast. (2020). https://doi.org/10.1007/s40962-020-00481-8Article Google Scholar 
  82. 82.S. Nandwani, S. Vardhan, A.K. Bagha, A literature review on the exposure time of electromagnetic based welding of different materials. Mater. Today Proc. (2019). https://doi.org/10.1016/j.matpr.2019.10.056Article Google Scholar 
  83. 83.F.J.B. Brum, S.C. Amico, I. Vedana, J.A. Spim, Electromagnetic dewaxing applied to the investment casting process. J. Mater. Process. Technol. 209(7), 3166–3171 (2009). https://doi.org/10.1016/j.jmatprotec.2008.07.024Article Google Scholar 
  84. 84.M.P. Reddy, R.A. Shakoor, G. Parande, V. Manakari, F. Ubaid, A.M.A. Mohamed, M. Gupta, Enhanced performance of nano-sized SiC reinforced Al metal matrix nanocomposites synthesized through electromagnetic sintering and hot extrusion techniques. Prog. Nat. Sci. Mater. Int. 27(5), 606–614 (2017). https://doi.org/10.1016/j.pnsc.2017.08.015Article Google Scholar 
  85. 85.V.R. Kalamkar, K. Monkova, (Eds.), Advances in Mechanical Engineering. Lecture Notes in Mechanical Engineering. (2021) https://doi.org/10.1007/978-981-15-3639-7
  86. 86.V. Bist, A.K. Sharma, P. Kumar, Development and microstructural characterisations of the lead casting using electromagnetic technology. Manager’s J. Mech. Eng. 4(4), 6 (2014). https://doi.org/10.26634/jme.4.4.2840Article Google Scholar 
  87. 87.A. Sharma, A. Chouhan, L. Pavithran, U. Chadha, S.K. Selvaraj, Implementation of LSS framework in automotive component manufacturing: a review, current scenario and future directions. Mater Today: Proc. (2021). https://doi.org/10.1016/J.MATPR.2021.02.374Article Google Scholar 
Figure 6. Evolution of melt pool in the overhang region (θ = 45°, P = 100 W, v = 1000 mm/s, the streamlines are shown by arrows).

Experimental and numerical investigation of the origin of surface roughness in laser powder bed fused overhang regions

레이저 파우더 베드 융합 오버행 영역에서 표면 거칠기의 원인에 대한 실험 및 수치 조사

Shaochuan Feng,Amar M. Kamat,Soheil Sabooni &Yutao PeiPages S66-S84 | Received 18 Jan 2021, Accepted 25 Feb 2021, Published online: 10 Mar 2021

ABSTRACT

Surface roughness of laser powder bed fusion (L-PBF) printed overhang regions is a major contributor to deteriorated shape accuracy/surface quality. This study investigates the mechanisms behind the evolution of surface roughness (Ra) in overhang regions. The evolution of surface morphology is the result of a combination of border track contour, powder adhesion, warp deformation, and dross formation, which is strongly related to the overhang angle (θ). When 0° ≤ θ ≤ 15°, the overhang angle does not affect Ra significantly since only a small area of the melt pool boundaries contacts the powder bed resulting in slight powder adhesion. When 15° < θ ≤ 50°, powder adhesion is enhanced by the melt pool sinking and the increased contact area between the melt pool boundary and powder bed. When θ > 50°, large waviness of the overhang contour, adhesion of powder clusters, severe warp deformation and dross formation increase Ra sharply.

레이저 파우더 베드 퓨전 (L-PBF) 프린팅 오버행 영역의 표면 거칠기는 형상 정확도 / 표면 품질 저하의 주요 원인입니다. 이 연구 는 오버행 영역에서 표면 거칠기 (Ra ) 의 진화 뒤에 있는 메커니즘을 조사합니다 . 표면 형태의 진화는 오버행 각도 ( θ ) 와 밀접한 관련이있는 경계 트랙 윤곽, 분말 접착, 뒤틀림 변형 및 드로스 형성의 조합의 결과입니다 . 0° ≤  θ  ≤ 15° 인 경우 , 용융풀 경계의 작은 영역 만 분말 베드와 접촉하여 약간의 분말 접착이 발생하기 때문에 오버행 각도가 R a에 큰 영향을 주지 않습니다 . 15° < θ 일 때  ≤ 50°, 용융 풀 싱킹 및 용융 풀 경계와 분말 베드 사이의 증가된 접촉 면적으로 분말 접착력이 향상됩니다. θ  > 50° 일 때 오버행 윤곽의 큰 파형, 분말 클러스터의 접착, 심한 휨 변형 및 드 로스 형성이 Ra 급격히 증가 합니다.

KEYWORDS: Laser powder bed fusion (L-PBF), melt pool dynamics, overhang region, shape deviation, surface roughness

1. Introduction

레이저 분말 베드 융합 (L-PBF)은 첨단 적층 제조 (AM) 기술로, 집중된 레이저 빔을 사용하여 금속 분말을 선택적으로 융합하여 슬라이스 된 3D 컴퓨터 지원에 따라 층별로 3 차원 (3D) 금속 부품을 구축합니다. 설계 (CAD) 모델 (Chatham, Long 및 Williams 2019 ; Tan, Zhu 및 Zhou 2020 ). 재료가 인쇄 층 아래에 ​​존재하는지 여부에 따라 인쇄 영역은 각각 솔리드 영역 또는 돌출 영역으로 분류 될 수 있습니다. 따라서 오버행 영역은 고체 기판이 아니라 분말 베드 바로 위에 건설되는 특수 구조입니다 (Patterson, Messimer 및 Farrington 2017). 오버행 영역은지지 구조를 포함하거나 포함하지 않고 구축 할 수 있으며, 지지대가있는 돌출 영역의 L-PBF는 지지체가 더 낮은 밀도로 구축된다는 점을 제외 하고 (Wang and Chou 2018 ) 고체 기판의 공정과 유사합니다 (따라서 기계적 강도가 낮기 때문에 L-PBF 공정 후 기계적으로 쉽게 제거 할 수 있습니다. 따라서지지 구조로 인쇄 된 오버행 영역은 L-PBF 공정 후 지지물 제거, 연삭 및 연마와 같은 추가 후 처리 단계가 필요합니다.

수평 내부 채널의 제작과 같은 일부 특정 경우에는 공정 후 지지대를 제거하기가 어려우므로 채널 상단 절반의 돌출부 영역을 지지대없이 건설해야합니다 (Hopkinson and Dickens 2000 ). 수평 내부 채널에 사용할 수없는지지 구조 외에도 내부 표면, 특히 등각 냉각 채널 (Feng, Kamat 및 Pei 2021 ) 에서 발생하는 복잡한 3D 채널 네트워크의 경우 표면 마감 프로세스를 구현하는 것도 어렵습니다 . 결과적으로 오버행 영역은 (i) 잔류 응력에 의한 변형, (ii) 계단 효과 (Kuo et al. 2020 ; Li et al. 2020 )로 인해 설계된 모양에서 벗어날 수 있습니다 .) 및 (iii) 원하지 않는 분말 소결로 인한 향상된 표면 거칠기; 여기서, 앞의 두 요소는 일반적으로 mm 길이 스케일에서 ‘매크로’편차로 분류되고 후자는 일반적으로 µm 길이 스케일에서 ‘마이크로’편차로 인식됩니다.

열 응력에 의한 변형은 오버행 영역에서 발생하는 중요한 문제입니다 (Patterson, Messimer 및 Farrington 2017 ). 국부적 인 용융 / 냉각은 용융 풀 내부 및 주변에서 큰 온도 구배를 유도하여 응고 된 층에 집중적 인 열 응력을 유발합니다. 열 응력에 의한 뒤틀림은 고체 영역을 현저하게 변형하지 않습니다. 이러한 영역은 아래의 여러 레이어에 의해 제한되기 때문입니다. 반면에 오버행 영역은 구속되지 않고 공정 중 응력 완화로 인해 상당한 변형이 발생합니다 (Kamat 및 Pei 2019 ). 더욱이 용융 깊이는 레이어 두께보다 큽니다 (이전 레이어도 재용 해되어 빌드 된 레이어간에 충분한 결합을 보장하기 때문입니다 [Yadroitsev et al. 2013 ; Kamath et al.2014 ]),응고 된 두께가 설계된 두께보다 크기 때문에형태 편차 (예 : 드 로스 [Charles et al. 2020 ; Feng et al. 2020 ])가 발생합니다. 마이크로 스케일에서 인쇄 된 표면 (R a 및 S a ∼ 10 μm)은 기계적으로 가공 된 표면보다 거칠다 (Duval-Chaneac et al. 2018 ; Wen et al. 2018 ). 이 문제는고형화 된 용융 풀의 가장자리에 부착 된 용융되지 않은 분말의 결과로 표면 거칠기 (R a )가 일반적으로 약 20 μm인 오버행 영역에서 특히 심각합니다 (Mazur et al. 2016 ; Pakkanen et al. 2016 ).

오버행 각도 ( θ , 빌드 방향과 관련하여 측정)는 오버행 영역의 뒤틀림 편향과 표면 거칠기에 영향을 미치는 중요한 매개 변수입니다 (Kamat and Pei 2019 ; Mingear et al. 2019 ). θ ∼ 45 ° 의 오버행 각도 는 일반적으로지지 구조없이 오버행 영역을 인쇄 할 수있는 임계 값으로 합의됩니다 (Pakkanen et al. 2016 ; Kadirgama et al. 2018 ). θ 일 때이 임계 값보다 크면 오버행 영역을 허용 가능한 표면 품질로 인쇄 할 수 없습니다. 오버행 각도 외에도 레이저 매개 변수 (레이저 에너지 밀도와 관련된)는 용융 풀의 모양 / 크기 및 용융 풀 역학에 영향을줌으로써 오버행 영역의 표면 거칠기에 영향을줍니다 (Wang et al. 2013 ; Mingear et al . 2019 ).

용융 풀 역학은 고체 (Shrestha 및 Chou 2018 ) 및 오버행 (Le et al. 2020 ) 영역 모두에서 수행되는 L-PBF 공정을 포함한 레이저 재료 가공의 일반적인 물리적 현상입니다 . 용융 풀 모양, 크기 및 냉각 속도는 잔류 응력으로 인한 변형과 ​​표면 거칠기에 모두 영향을 미치므로 처리 매개 변수와 표면 형태 / 품질 사이의 다리 역할을하며 용융 풀을 이해하기 위해 수치 시뮬레이션을 사용하여 추가 조사를 수행 할 수 있습니다. 거동과 표면 거칠기에 미치는 영향. 현재까지 고체 영역의 L-PBF 동안 용융 풀 동작을 시뮬레이션하기 위해 여러 연구가 수행되었습니다. 유한 요소 방법 (FEM)과 같은 시뮬레이션 기술 (Roberts et al. 2009 ; Du et al.2019 ), 유한 차분 법 (FDM) (Wu et al. 2018 ), 전산 유체 역학 (CFD) (Lee and Zhang 2016 ), 임의의 Lagrangian-Eulerian 방법 (ALE) (Khairallah and Anderson 2014 )을 사용하여 증발 반동 압력 (Hu et al. 2018 ) 및 Marangoni 대류 (Zhang et al. 2018 ) 현상을포함하는 열 전달 (온도 장) 및 물질 전달 (용융 흐름) 프로세스. 또한 이산 요소법 (DEM)을 사용하여 무작위 분산 분말 베드를 생성했습니다 (Lee and Zhang 2016 ; Wu et al. 2018 ). 이 모델은 분말 규모의 L-PBF 공정을 시뮬레이션했습니다 (Khairallah et al. 2016) 메조 스케일 (Khairallah 및 Anderson 2014 ), 단일 트랙 (Leitz et al. 2017 )에서 다중 트랙 (Foroozmehr et al. 2016 ) 및 다중 레이어 (Huang, Khamesee 및 Toyserkani 2019 )로.

그러나 결과적인 표면 거칠기를 결정하는 오버행 영역의 용융 풀 역학은 문헌에서 거의 관심을받지 못했습니다. 솔리드 영역의 L-PBF에 대한 기존 시뮬레이션 모델이 어느 정도 참조가 될 수 있지만 오버행 영역과 솔리드 영역 간의 용융 풀 역학에는 상당한 차이가 있습니다. 오버행 영역에서 용융 금속은 분말 입자 사이의 틈새로 아래로 흘러 용융 풀이 다공성 분말 베드가 제공하는 약한 지지체 아래로 가라 앉습니다. 이것은 중력과 표면 장력의 영향이 용융 풀의 결과적인 모양 / 크기를 결정하는 데 중요하며, 결과적으로 오버행 영역의 마이크로 스케일 형태의 진화에 중요합니다. 또한 분말 입자 사이의 공극, 열 조건 (예 : 에너지 흡수,2019 ; Karimi et al. 2020 ; 노래와 영 2020 ). 표면 거칠기는 (마이크로) 형상 편차를 증가시킬뿐만 아니라 주기적 하중 동안 미세 균열의 시작 지점 역할을함으로써 기계적 강도를 저하시킵니다 (Günther et al. 2018 ). 오버행 영역의 높은 표면 거칠기는 (마이크로) 정확도 / 품질에 대한 엄격한 요구 사항이있는 부품 제조에서 L-PBF의 적용을 제한합니다.

본 연구는 실험 및 시뮬레이션 연구를 사용하여 오버행 영역 (지지물없이 제작)의 미세 형상 편차 형성 메커니즘과 표면 거칠기의 기원을 체계적이고 포괄적으로 조사합니다. 결합 된 DEM-CFD 시뮬레이션 모델은 경계 트랙 윤곽, 분말 접착 및 뒤틀림 변형의 효과를 고려하여 오버행 영역의 용융 풀 역학과 표면 형태의 형성 메커니즘을 나타 내기 위해 개발되었습니다. 표면 거칠기 R의 시뮬레이션 및 단일 요인 L-PBF 인쇄 실험을 사용하여 오버행 각도의 함수로 연구됩니다. 용융 풀의 침몰과 관련된 오버행 영역에서 분말 접착의 세 가지 메커니즘이 식별되고 자세히 설명됩니다. 마지막으로, 인쇄 된 오버행 영역에서 높은 표면 거칠기 문제를 완화 할 수 있는 잠재적 솔루션에 대해 간략하게 설명합니다.

The shape and size of the L-PBF printed samples are illustrated in Figure 1
The shape and size of the L-PBF printed samples are illustrated in Figure 1
Figure 2. Borders in the overhang region depending on the overhang angle θ
Figure 2. Borders in the overhang region depending on the overhang angle θ
Figure 3. (a) Profile of the volumetric heat source, (b) the model geometry of single-track printing on a solid substrate (unit: µm), and (c) the comparison of melt pool dimensions obtained from the experiment (right half) and simulation (left half) for a calibrated optical penetration depth of 110 µm (laser power 200 W and scan speed 800 mm/s, solidified layer thickness 30 µm, powder size 10–45 µm).
Figure 3. (a) Profile of the volumetric heat source, (b) the model geometry of single-track printing on a solid substrate (unit: µm), and (c) the comparison of melt pool dimensions obtained from the experiment (right half) and simulation (left half) for a calibrated optical penetration depth of 110 µm (laser power 200 W and scan speed 800 mm/s, solidified layer thickness 30 µm, powder size 10–45 µm).
Figure 4. The model geometry of an overhang being L-PBF processed: (a) 3D view and (b) right view.
Figure 4. The model geometry of an overhang being L-PBF processed: (a) 3D view and (b) right view.
Figure 5. The cross-sectional contour of border tracks in a 45° overhang region.
Figure 5. The cross-sectional contour of border tracks in a 45° overhang region.
Figure 6. Evolution of melt pool in the overhang region (θ = 45°, P = 100 W, v = 1000 mm/s, the streamlines are shown by arrows).
Figure 6. Evolution of melt pool in the overhang region (θ = 45°, P = 100 W, v = 1000 mm/s, the streamlines are shown by arrows).
Figure 7. The overhang contour is contributed by (a) only outer borders when θ ≤ 60° (b) both inner borders and outer borders when θ > 60°.
Figure 7. The overhang contour is contributed by (a) only outer borders when θ ≤ 60° (b) both inner borders and outer borders when θ > 60°.
Figure 8. Schematic of powder adhesion on a 45° overhang region.
Figure 8. Schematic of powder adhesion on a 45° overhang region.
Figure 9. The L-PBF printed samples with various overhang angle (a) θ = 0° (cube), (b) θ = 30°, (c) θ = 45°, (d) θ = 55° and (e) θ = 60°.
Figure 9. The L-PBF printed samples with various overhang angle (a) θ = 0° (cube), (b) θ = 30°, (c) θ = 45°, (d) θ = 55° and (e) θ = 60°.
Figure 10. Two mechanisms of powder adhesion related to the overhang angle: (a) simulation-predicted, θ = 45°; (b) simulation-predicted, θ = 60°; (c, e) optical micrographs, θ = 45°; (d, f) optical micrographs, θ = 60°. (e) and (f) are partial enlargement of (c) and (d), respectively.
Figure 10. Two mechanisms of powder adhesion related to the overhang angle: (a) simulation-predicted, θ = 45°; (b) simulation-predicted, θ = 60°; (c, e) optical micrographs, θ = 45°; (d, f) optical micrographs, θ = 60°. (e) and (f) are partial enlargement of (c) and (d), respectively.
Figure 11. Simulation-predicted surface morphology in the overhang region at different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45°, (d) θ = 60° and (e) θ = 80° (Blue solid lines: simulation-predicted contour; red dashed lines: the planar profile of designed overhang region specified by the overhang angles).
Figure 11. Simulation-predicted surface morphology in the overhang region at different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45°, (d) θ = 60° and (e) θ = 80° (Blue solid lines: simulation-predicted contour; red dashed lines: the planar profile of designed overhang region specified by the overhang angles).
Figure 12. Effect of overhang angle on surface roughness Ra in overhang regions
Figure 12. Effect of overhang angle on surface roughness Ra in overhang regions
Figure 13. Surface morphology of L-PBF printed overhang regions with different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45° and (d) θ = 60° (overhang border parameters: P = 100 W, v = 1000 mm/s).
Figure 13. Surface morphology of L-PBF printed overhang regions with different overhang angle: (a) θ = 15°, (b) θ = 30°, (c) θ = 45° and (d) θ = 60° (overhang border parameters: P = 100 W, v = 1000 mm/s).
Figure 14. Effect of (a) laser power (scan speed = 1000 mm/s) and (b) scan speed (lase power = 100 W) on surface roughness Ra in overhang regions (θ = 45°, laser power and scan speed referred to overhang border parameters, and the other process parameters are listed in Table 2).
Figure 14. Effect of (a) laser power (scan speed = 1000 mm/s) and (b) scan speed (lase power = 100 W) on surface roughness Ra in overhang regions (θ = 45°, laser power and scan speed referred to overhang border parameters, and the other process parameters are listed in Table 2).

References

  • Cai, Chao, Chrupcala Radoslaw, Jinliang Zhang, Qian Yan, Shifeng Wen, Bo Song, and Yusheng Shi. 2019. “In-Situ Preparation and Formation of TiB/Ti-6Al-4V Nanocomposite via Laser Additive Manufacturing: Microstructure Evolution and Tribological Behavior.” Powder Technology 342: 73–84. doi:10.1016/j.powtec.2018.09.088. [Crossref], [Web of Science ®], [Google Scholar]
  • Cai, Chao, Wei Shian Tey, Jiayao Chen, Wei Zhu, Xingjian Liu, Tong Liu, Lihua Zhao, and Kun Zhou. 2021. “Comparative Study on 3D Printing of Polyamide 12 by Selective Laser Sintering and Multi Jet Fusion.” Journal of Materials Processing Technology 288 (August 2020): 116882. doi:10.1016/j.jmatprotec.2020.116882. [Crossref], [Web of Science ®], [Google Scholar]
  • Cai, Chao, Xu Wu, Wan Liu, Wei Zhu, Hui Chen, Jasper Dong Qiu Chua, Chen Nan Sun, Jie Liu, Qingsong Wei, and Yusheng Shi. 2020. “Selective Laser Melting of Near-α Titanium Alloy Ti-6Al-2Zr-1Mo-1V: Parameter Optimization, Heat Treatment and Mechanical Performance.” Journal of Materials Science and Technology 57: 51–64. doi:10.1016/j.jmst.2020.05.004. [Crossref], [Web of Science ®], [Google Scholar]
  • Charles, Amal, Ahmed Elkaseer, Lore Thijs, and Steffen G. Scholz. 2020. “Dimensional Errors Due to Overhanging Features in Laser Powder Bed Fusion Parts Made of Ti-6Al-4V.” Applied Sciences 10 (7): 2416. doi:10.3390/app10072416. [Crossref], [Google Scholar]
  • Chatham, Camden A., Timothy E. Long, and Christopher B. Williams. 2019. “A Review of the Process Physics and Material Screening Methods for Polymer Powder Bed Fusion Additive Manufacturing.” Progress in Polymer Science 93: 68–95. doi:10.1016/j.progpolymsci.2019.03.003. [Crossref], [Web of Science ®], [Google Scholar]
  • Du, Yang, Xinyu You, Fengbin Qiao, Lijie Guo, and Zhengwu Liu. 2019. “A Model for Predicting the Temperature Field during Selective Laser Melting.” Results in Physics 12 (November 2018): 52–60. doi:10.1016/j.rinp.2018.11.031. [Crossref], [Web of Science ®], [Google Scholar]
  • Duval-Chaneac, M. S., S. Han, C. Claudin, F. Salvatore, J. Bajolet, and J. Rech. 2018. “Experimental Study on Finishing of Internal Laser Melting (SLM) Surface with Abrasive Flow Machining (AFM).” Precision Engineering 54 (July 2017): 1–6. doi:10.1016/j.precisioneng.2018.03.006. [Crossref], [Web of Science ®], [Google Scholar]
  • Feng, Shaochuan, Shijie Chen, Amar M. Kamat, Ru Zhang, Mingji Huang, and Liangcai Hu. 2020. “Investigation on Shape Deviation of Horizontal Interior Circular Channels Fabricated by Laser Powder Bed Fusion.” Additive Manufacturing 36 (December): 101585. doi:10.1016/j.addma.2020.101585. [Crossref], [Web of Science ®], [Google Scholar]
  • Feng, Shaochuan, Chuanzhen Huang, Jun Wang, Hongtao Zhu, Peng Yao, and Zhanqiang Liu. 2017. “An Analytical Model for the Prediction of Temperature Distribution and Evolution in Hybrid Laser-Waterjet Micro-Machining.” Precision Engineering 47: 33–45. doi:10.1016/j.precisioneng.2016.07.002. [Crossref], [Web of Science ®], [Google Scholar]
  • Feng, Shaochuan, Amar M. Kamat, and Yutao Pei. 2021. “Design and Fabrication of Conformal Cooling Channels in Molds: Review and Progress Updates.” International Journal of Heat and Mass Transfer. doi:10.1016/j.ijheatmasstransfer.2021.121082. [Crossref], [PubMed], [Web of Science ®], [Google Scholar]
  • Flow-3D V11.2 Documentation. 2016. Flow Science, Inc. [Crossref], [Google Scholar]
  • Foroozmehr, Ali, Mohsen Badrossamay, Ehsan Foroozmehr, and Sa’id Golabi. 2016. “Finite Element Simulation of Selective Laser Melting Process Considering Optical Penetration Depth of Laser in Powder Bed.” Materials and Design 89: 255–263. doi:10.1016/j.matdes.2015.10.002. [Crossref], [Web of Science ®], [Google Scholar]
  • “Geometrical Product Specifications (GPS) — Surface Texture: Profile Method — Rules and Procedures for the Assessment of Surface Texture (ISO 4288).” 1996. International Organization for Standardization. https://www.iso.org/standard/2096.html. [Google Scholar]
  • Günther, Johannes, Stefan Leuders, Peter Koppa, Thomas Tröster, Sebastian Henkel, Horst Biermann, and Thomas Niendorf. 2018. “On the Effect of Internal Channels and Surface Roughness on the High-Cycle Fatigue Performance of Ti-6Al-4V Processed by SLM.” Materials & Design 143: 1–11. doi:10.1016/j.matdes.2018.01.042. [Crossref], [Web of Science ®], [Google Scholar]
  • Hopkinson, Neil, and Phill Dickens. 2000. “Conformal Cooling and Heating Channels Using Laser Sintered Tools.” In Solid Freeform Fabrication Conference, 490–497. Texas. doi:10.26153/tsw/3075. [Crossref], [Google Scholar]
  • Hu, Zhiheng, Haihong Zhu, Changchun Zhang, Hu Zhang, Ting Qi, and Xiaoyan Zeng. 2018. “Contact Angle Evolution during Selective Laser Melting.” Materials and Design 139: 304–313. doi:10.1016/j.matdes.2017.11.002. [Crossref], [Web of Science ®], [Google Scholar]
  • Hu, Cheng, Kejia Zhuang, Jian Weng, and Donglin Pu. 2019. “Three-Dimensional Analytical Modeling of Cutting Temperature for Round Insert Considering Semi-Infinite Boundary and Non-Uniform Heat Partition.” International Journal of Mechanical Sciences 155 (October 2018): 536–553. doi:10.1016/j.ijmecsci.2019.03.019. [Crossref], [Web of Science ®], [Google Scholar]
  • Huang, Yuze, Mir Behrad Khamesee, and Ehsan Toyserkani. 2019. “A New Physics-Based Model for Laser Directed Energy Deposition (Powder-Fed Additive Manufacturing): From Single-Track to Multi-Track and Multi-Layer.” Optics & Laser Technology 109 (August 2018): 584–599. doi:10.1016/j.optlastec.2018.08.015. [Crossref], [Web of Science ®], [Google Scholar]
  • Kadirgama, K., W. S. W. Harun, F. Tarlochan, M. Samykano, D. Ramasamy, Mohd Zaidi Azir, and H. Mehboob. 2018. “Statistical and Optimize of Lattice Structures with Selective Laser Melting (SLM) of Ti6AL4V Material.” International Journal of Advanced Manufacturing Technology 97 (1–4): 495–510. doi:10.1007/s00170-018-1913-1. [Crossref], [Web of Science ®], [Google Scholar]
  • Kamat, Amar M, and Yutao Pei. 2019. “An Analytical Method to Predict and Compensate for Residual Stress-Induced Deformation in Overhanging Regions of Internal Channels Fabricated Using Powder Bed Fusion.” Additive Manufacturing 29 (March): 100796. doi:10.1016/j.addma.2019.100796. [Crossref], [Web of Science ®], [Google Scholar]
  • Kamath, Chandrika, Bassem El-Dasher, Gilbert F. Gallegos, Wayne E. King, and Aaron Sisto. 2014. “Density of Additively-Manufactured, 316L SS Parts Using Laser Powder-Bed Fusion at Powers up to 400 W.” International Journal of Advanced Manufacturing Technology 74 (1–4): 65–78. doi:10.1007/s00170-014-5954-9. [Crossref], [Web of Science ®], [Google Scholar]
  • Karimi, J., C. Suryanarayana, I. Okulov, and K. G. Prashanth. 2020. “Selective Laser Melting of Ti6Al4V: Effect of Laser Re-Melting.” Materials Science and Engineering A (July): 140558. doi:10.1016/j.msea.2020.140558. [Crossref], [Web of Science ®], [Google Scholar]
  • Khairallah, Saad A., and Andy Anderson. 2014. “Mesoscopic Simulation Model of Selective Laser Melting of Stainless Steel Powder.” Journal of Materials Processing Technology 214 (11): 2627–2636. doi:10.1016/j.jmatprotec.2014.06.001. [Crossref], [Web of Science ®], [Google Scholar]
  • Khairallah, Saad A., Andrew T. Anderson, Alexander Rubenchik, and Wayne E. King. 2016. “Laser Powder-Bed Fusion Additive Manufacturing: Physics of Complex Melt Flow and Formation Mechanisms of Pores, Spatter, and Denudation Zones.” Edited by Adedeji B. Badiru, Vhance V. Valencia, and David Liu. Acta Materialia 108 (April): 36–45. doi:10.1016/j.actamat.2016.02.014. [Crossref], [Web of Science ®], [Google Scholar]
  • Kuo, C. N., C. K. Chua, P. C. Peng, Y. W. Chen, S. L. Sing, S. Huang, and Y. L. Su. 2020. “Microstructure Evolution and Mechanical Property Response via 3D Printing Parameter Development of Al–Sc Alloy.” Virtual and Physical Prototyping 15 (1): 120–129. doi:10.1080/17452759.2019.1698967. [Taylor & Francis Online], [Web of Science ®], [Google Scholar]
  • Le, K. Q., C. H. Wong, K. H. G. Chua, C. Tang, and H. Du. 2020. “Discontinuity of Overhanging Melt Track in Selective Laser Melting Process.” International Journal of Heat and Mass Transfer 162 (December): 120284. doi:10.1016/j.ijheatmasstransfer.2020.120284. [Crossref], [Web of Science ®], [Google Scholar]
  • Lee, Y. S., and W. Zhang. 2016. “Modeling of Heat Transfer, Fluid Flow and Solidification Microstructure of Nickel-Base Superalloy Fabricated by Laser Powder Bed Fusion.” Additive Manufacturing 12: 178–188. doi:10.1016/j.addma.2016.05.003. [Crossref], [Web of Science ®], [Google Scholar]
  • Leitz, K. H., P. Singer, A. Plankensteiner, B. Tabernig, H. Kestler, and L. S. Sigl. 2017. “Multi-Physical Simulation of Selective Laser Melting.” Metal Powder Report 72 (5): 331–338. doi:10.1016/j.mprp.2016.04.004. [Crossref], [Google Scholar]
  • Li, Jian, Jing Hu, Yi Zhu, Xiaowen Yu, Mengfei Yu, and Huayong Yang. 2020. “Surface Roughness Control of Root Analogue Dental Implants Fabricated Using Selective Laser Melting.” Additive Manufacturing 34 (September 2019): 101283. doi:10.1016/j.addma.2020.101283. [Crossref], [Web of Science ®], [Google Scholar]
  • Li, Yingli, Kun Zhou, Pengfei Tan, Shu Beng Tor, Chee Kai Chua, and Kah Fai Leong. 2018. “Modeling Temperature and Residual Stress Fields in Selective Laser Melting.” International Journal of Mechanical Sciences 136 (February): 24–35. doi:10.1016/j.ijmecsci.2017.12.001. [Crossref], [Web of Science ®], [Google Scholar]
  • Mazur, MacIej, Martin Leary, Matthew McMillan, Joe Elambasseril, and Milan Brandt. 2016. “SLM Additive Manufacture of H13 Tool Steel with Conformal Cooling and Structural Lattices.” Rapid Prototyping Journal 22 (3): 504–518. doi:10.1108/RPJ-06-2014-0075. [Crossref], [Web of Science ®], [Google Scholar]
  • Mingear, Jacob, Bing Zhang, Darren Hartl, and Alaa Elwany. 2019. “Effect of Process Parameters and Electropolishing on the Surface Roughness of Interior Channels in Additively Manufactured Nickel-Titanium Shape Memory Alloy Actuators.” Additive Manufacturing 27 (October 2018): 565–575. doi:10.1016/j.addma.2019.03.027. [Crossref], [Web of Science ®], [Google Scholar]
  • Pakkanen, Jukka, Flaviana Calignano, Francesco Trevisan, Massimo Lorusso, Elisa Paola Ambrosio, Diego Manfredi, and Paolo Fino. 2016. “Study of Internal Channel Surface Roughnesses Manufactured by Selective Laser Melting in Aluminum and Titanium Alloys.” Metallurgical and Materials Transactions A 47 (8): 3837–3844. doi:10.1007/s11661-016-3478-7. [Crossref], [Web of Science ®], [Google Scholar]
  • Patterson, Albert E., Sherri L. Messimer, and Phillip A. Farrington. 2017. “Overhanging Features and the SLM/DMLS Residual Stresses Problem: Review and Future Research Need.” Technologies 5 (4): 15. doi:10.3390/technologies5020015. [Crossref], [Web of Science ®], [Google Scholar]
  • Roberts, I. A., C. J. Wang, R. Esterlein, M. Stanford, and D. J. Mynors. 2009. “A Three-Dimensional Finite Element Analysis of the Temperature Field during Laser Melting of Metal Powders in Additive Layer Manufacturing.” International Journal of Machine Tools and Manufacture 49 (12–13): 916–923. doi:10.1016/j.ijmachtools.2009.07.004. [Crossref], [Web of Science ®], [Google Scholar]
  • Shrestha, Subin, and Kevin Chou. 2018. “Computational Analysis of Thermo-Fluid Dynamics with Metallic Powder in SLM.” In CFD Modeling and Simulation in Materials Processing 2018, edited by Laurentiu Nastac, Koulis Pericleous, Adrian S. Sabau, Lifeng Zhang, and Brian G. Thomas, 85–95. Cham, Switzerland: Springer Nature. doi:10.1007/978-3-319-72059-3_9. [Crossref], [Google Scholar]
  • Sing, S. L., and W. Y. Yeong. 2020. “Laser Powder Bed Fusion for Metal Additive Manufacturing: Perspectives on Recent Developments.” Virtual and Physical Prototyping 15 (3): 359–370. doi:10.1080/17452759.2020.1779999. [Taylor & Francis Online], [Web of Science ®], [Google Scholar]
  • Šmilauer, Václav, Emanuele Catalano, Bruno Chareyre, Sergei Dorofeenko, Jérôme Duriez, Nolan Dyck, Jan Eliáš, et al. 2015. Yade Documentation. 2nd ed. The Yade Project. doi:10.5281/zenodo.34073. [Crossref], [Google Scholar]
  • Tan, Pengfei, Fei Shen, Biao Li, and Kun Zhou. 2019. “A Thermo-Metallurgical-Mechanical Model for Selective Laser Melting of Ti6Al4V.” Materials & Design 168 (April): 107642. doi:10.1016/j.matdes.2019.107642. [Crossref], [Web of Science ®], [Google Scholar]
  • Tan, Lisa Jiaying, Wei Zhu, and Kun Zhou. 2020. “Recent Progress on Polymer Materials for Additive Manufacturing.” Advanced Functional Materials 30 (43): 1–54. doi:10.1002/adfm.202003062. [Crossref], [Web of Science ®], [Google Scholar]
  • Wang, Xiaoqing, and Kevin Chou. 2018. “Effect of Support Structures on Ti-6Al-4V Overhang Parts Fabricated by Powder Bed Fusion Electron Beam Additive Manufacturing.” Journal of Materials Processing Technology 257 (February): 65–78. doi:10.1016/j.jmatprotec.2018.02.038. [Crossref], [Web of Science ®], [Google Scholar]
  • Wang, Di, Yongqiang Yang, Ziheng Yi, and Xubin Su. 2013. “Research on the Fabricating Quality Optimization of the Overhanging Surface in SLM Process.” International Journal of Advanced Manufacturing Technology 65 (9–12): 1471–1484. doi:10.1007/s00170-012-4271-4. [Crossref], [Web of Science ®], [Google Scholar]
  • Wen, Peng, Maximilian Voshage, Lucas Jauer, Yanzhe Chen, Yu Qin, Reinhart Poprawe, and Johannes Henrich Schleifenbaum. 2018. “Laser Additive Manufacturing of Zn Metal Parts for Biodegradable Applications: Processing, Formation Quality and Mechanical Properties.” Materials and Design 155: 36–45. doi:10.1016/j.matdes.2018.05.057. [Crossref], [Web of Science ®], [Google Scholar]
  • Wu, Yu-che, Cheng-hung San, Chih-hsiang Chang, Huey-jiuan Lin, Raed Marwan, Shuhei Baba, and Weng-Sing Hwang. 2018. “Numerical Modeling of Melt-Pool Behavior in Selective Laser Melting with Random Powder Distribution and Experimental Validation.” Journal of Materials Processing Technology 254 (November 2017): 72–78. doi:10.1016/j.jmatprotec.2017.11.032. [Crossref], [Web of Science ®], [Google Scholar]
  • Yadroitsev, I., P. Krakhmalev, I. Yadroitsava, S. Johansson, and I. Smurov. 2013. “Energy Input Effect on Morphology and Microstructure of Selective Laser Melting Single Track from Metallic Powder.” Journal of Materials Processing Technology 213 (4): 606–613. doi:10.1016/j.jmatprotec.2012.11.014. [Crossref], [Web of Science ®], [Google Scholar]
  • Yu, Wenhui, Swee Leong Sing, Chee Kai Chua, and Xuelei Tian. 2019. “Influence of Re-Melting on Surface Roughness and Porosity of AlSi10Mg Parts Fabricated by Selective Laser Melting.” Journal of Alloys and Compounds 792: 574–581. doi:10.1016/j.jallcom.2019.04.017. [Crossref], [Web of Science ®], [Google Scholar]
  • Zhang, Dongyun, Pudan Zhang, Zhen Liu, Zhe Feng, Chengjie Wang, and Yanwu Guo. 2018. “Thermofluid Field of Molten Pool and Its Effects during Selective Laser Melting (SLM) of Inconel 718 Alloy.” Additive Manufacturing 21 (100): 567–578. doi:10.1016/j.addma.2018.03.031. [Crossref], [Web of Science ®], [Google Scholar]
Fig. 1. Schematic description of the laser welding process considered in this study.

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

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

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

Abstract

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

Korea Abstract

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

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

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

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

1 . 소개

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

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

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

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

2 . 방법론

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

그림 1

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

그림 2

표 1 . . 레이저 용접 매개 변수.

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

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

표 2 . 이 연구에서 고려한 용접 사례.

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

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

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

순수한 알루미늄.

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

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

그림 3
그림 4

3 . 결과

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

그림 5

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

그림 6

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

Fi 7
그림 8

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

그림 9

4 . 토론

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

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

그림 10

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

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

그림 11

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

그림 12

5 . 결론

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

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

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

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

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

CRediT 저자 기여 성명

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

경쟁 관심의 선언

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

감사의 말

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

부록 A . 사용 된 지배 방정식 및 레이저 용접 모델

1 . 지배 방정식 (Cho 및 Woizeschke [ 30 ])

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

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

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

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

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

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

2 . 레이저 용접 모델 (Cho et al. [26] )

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

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

참고 문헌

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

A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig7

A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys

Mohamad Bayat Venkata K. Nadimpalli David B. Pedersen Jesper H. Hattel
Department of mechanical engineering, Technical University of Denmark (DTU), Building 425, 2800 Kgs., Lyngby, Denmark

Received 21 August 2020, Revised 18 November 2020, Accepted 25 November 2020, Available online 15 December 2020.

Abstract

Several different interfacial forces affect the free surface of liquid metals during metal additive manufacturing processes. One of these is thermo-capillarity or the so-called Marangoni effect. In this work, a novel framework is introduced for unraveling the effects of thermo-capillarity on the melt pool morphology/size and its thermo-fluid conditions during the Laser Powder Bed Fusion (L-PBF) process. In this respect, a multi-physics numerical model is developed based on the commercial software package Flow-3D. The model is verified and validated via mesh-independency analysis and by comparison of the predicted melt pool profile with those from lab-scale single-track experiments. Two sets of parametric studies are carried out to find the role of both positive and inverse thermo-capillarity on the melt pool shape and its thermal and fluid dynamics conditions. The thermo-fluid conditions of the melt pool are further investigated using appropriate dimensionless numbers. The results show that for the higher Marangoni number cases, the melt pool temperature drops, and at the same time, the temperature field becomes more uniform. Also, it is shown that at higher Marangoni numbers, temperature gradients decrease, thus reducing the role of conduction in the heat transfer from the melt pool. Furthermore, for the first time, a novel methodology is introduced for the calculation of the melt pool’s average Nusselt number. The average Nusselt numbers calculated for the positive and inverse thermo-capillarity are then used for finding the effective liquid conductivity required for a computationally cheaper pure heat conduction simulation. The results show that the deviation between the average melt pool temperature, using the pure conduction model with effective conductivity, and the one obtained from the advanced fluid dynamics model is less than 2%.

Keywords

Thermo-capillarity, Melt pool, Heat and fluid flow, Numerical model, L-PBF

Korea Abstract

금속 적층 제조 공정 중 액체 금속의 자유 표면에 여러 가지 다른 계면력이 영향을 미칩니다. 이들 중 하나는 열 모세관 또는 소위 Marangoni 효과입니다.

이 작업에서는 L-PBF (Laser Powder Bed Fusion) 공정 중 용융 풀 형태 / 크기 및 열 유동 조건에 대한 열 모세관의 영향을 밝히기 위한 새로운 프레임워크가 도입되었습니다.

이러한 점에서 상용 소프트웨어 패키지 Flow-3D를 기반으로 다중 물리 수치 모델이 개발되었습니다. 모델은 메쉬 독립 분석을 통해 그리고 예측 된 용융 풀 프로필을 실험실 규모의 단일 트랙 실험에서 얻은 프로필과 비교하여 검증 및 검증됩니다.

용융 풀 모양과 열 및 유체 역학 조건에 대한 양 및 역 열 모세관의 역할을 찾기 위해 두 세트의 매개 변수 연구가 수행됩니다. 용융 풀의 열 유동 조건은 적절한 무 차원 숫자를 사용하여 추가로 조사됩니다.

결과는 Marangoni 수가 더 높은 경우 용융 풀 온도가 떨어지고 동시에 온도 필드가 더 균일 해짐을 보여줍니다. 또한 Marangoni 수가 높을수록 온도 구배가 감소하여 용융 풀에서 열 전달에서 전도의 역할이 감소하는 것으로 나타났습니다.

또한 용융 풀의 평균 Nusselt 수를 계산하기위한 새로운 방법론이 처음으로 도입되었습니다. 그런 다음 양수 및 역 열 모세관에 대해 계산 된 평균 Nusselt 수는 계산적으로 더 저렴한 순수 열 전도 시뮬레이션에 필요한 효과적인 액체 전도도를 찾는 데 사용됩니다. 결과는 유효 전도도가 있는 순수 전도 모델을 사용한 평균 용융 풀 온도와 고급 유체 역학 모델에서 얻은 편차가 2 % 미만임을 보여줍니다.

A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig1
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig1
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig2
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig2
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig3
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig3
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig4
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig4
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig5
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig5
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig6
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig6
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig7
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig7
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig8
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig8
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig9
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig9
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig10
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig10
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig11
A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys Fig11
Fig. 2. Semi-Lagrangian cellwise advection. (a) Forward advection scheme, (b) Backward advection scheme.

Three-dimensional cellwise conservative unsplit geometric VOF schemes

3차원 셀별 보수 미분할 기하학적 VOF 체계

Raphaël Comminal, JonSpangenberg

Abstract

This work presents two unsplit geometric VOF schemes that extend the two-dimensional cellwise conservative unsplit (CCU) scheme [Comminal et al., J. Comput. Phys. 283 (2015) 582–608] to three dimensions. The novelty of the 3D-CCU schemes lies in the representation of the streaksurfaces of donating regions by polyhedral surfaces whose vertices are calculated with the 4th order Runge-Kutta scheme. Moreover, the advected liquid volumes are computed using a truncation algorithm [López et al., J. Comput. Phys. 392 (2019) 666–693] suited for arbitrary non-convex and self-intersecting polyhedra, which removes the need for tetrahedral decomposition. The 3D-CCU advection schemes were coupled to three interface reconstruction methods (Youngs’ method, the Mixed Youngs-Centered scheme, and the Least-Square Fit algorithm). The resulting VOF methods were tested in classical benchmark advection tests, including translation, rigid-body rotation, shear and deformation flows. The proposed 3D-CCU schemes conserve the liquid volume and maintain the physical boundedness of liquid volume fractions to the machine precision. The 3D-CCU schemes perform favorably compared to other unsplit geometric VOF schemes when coupled to Youngs’ interface reconstruction method. Moreover, the 3D-CCU schemes coupled to the Least-Square Fit algorithm are more accurate than most other VOF schemes that use a second-order accurate interface reconstruction, except those where a 3D extension of the Mosso-Swartz interface reconstruction is employed. The comparison of the different VOF schemes highlights the importance of coupling accurate interface reconstruction methods with accurate unsplit advection schemes.

이 연구는 2 차원 CCU (Cellwise Conservative Unsplit) 방식을 확장하는 두 가지 분할되지 않은 기하학적 VOF 방식을 제시합니다 [Comminal et al., J. Comput. Phys. 283 (2015) 582–608]을 3 차원으로 변경했습니다. 3D-CCU 체계의 참신함은 4 차 Runge-Kutta 체계로 정점이 계산되는 다면체 표면으로 기부 지역의 줄무늬 표면을 표현하는 데 있습니다.

더욱, 가변 액체 부피는 절단 알고리즘을 사용하여 계산됩니다 [López et al., J. Comput. Phys. 392 (2019) 666–693]은 임의의 볼록하지 않고 자기 교차하는 다면체에 적합하며, 이는 사면체 분해의 필요성을 제거합니다. 3D-CCU 이류 계획은 세 가지 인터페이스 재구성 방법 (Youngs의 방법, Mixed Youngs-Centered 계획 및 Least-Square Fit 알고리즘)과 결합되었습니다. 결과 VOF 방법은 평행 이동, 강체 회전, 전단 및 변형 흐름을 포함한 고전적인 벤치 마크 이류 테스트에서 테스트되었습니다.

제안된 3D-CCU 방식은 액체 부피를 보존하고 기계 정밀도에 대한 액체 부피 분율의 물리적 경계를 유지합니다. 3D-CCU 방식은 Youngs의 인터페이스 재구성 방식과 결합 할 때 다른 분할되지 않은 기하학적 VOF 방식에 비해 우수한 성능을 발휘합니다.

또한 Least-Square Fit 알고리즘과 결합 된 3D-CCU 체계는 Mosso-Swartz 인터페이스 재구성의 3D 확장이 사용되는 경우를 제외하고 2 차 정확한 인터페이스 재구성을 사용하는 대부분의 다른 VOF 체계보다 더 정확합니다. 서로 다른 VOF 체계의 비교는 정확한 인터페이스 재구성 방법과 정확한 분할되지 않은 이류 체계를 결합하는 것의 중요성을 강조합니다.

Keywords

Volume-of-fluid methodUnsplit geometric schemeCellwise advectionSemi-Lagrangian trackingVolume conservation

Fig. 1. Eulerian fluxwise advection. (a) Positive donating region with respect to the left cell; (b) Negative donating region; (c) Intersection of a donating region with the cell's face, yielding a positive and a negative region; (d) Temporally-consistent donating regions equivalent to a cellwise advection; (e) Temporal inconsistency of adjacent donating regions.
Fig. 1. Eulerian fluxwise advection. (a) Positive donating region with respect to the left cell; (b) Negative donating region; (c) Intersection of a donating region with the cell’s face, yielding a positive and a negative region; (d) Temporally-consistent donating regions equivalent to a cellwise advection; (e) Temporal inconsistency of adjacent donating regions.
Fig. 2. Semi-Lagrangian cellwise advection. (a) Forward advection scheme, (b) Backward advection scheme.
Fig. 2. Semi-Lagrangian cellwise advection. (a) Forward advection scheme, (b) Backward advection scheme.
Fig. 3. (a) Cartesian grid cell. (b) Images of the cell's vertices with ruled surfaces. (c) Polyhedral cell's image with triangulated faces.
Fig. 3. (a) Cartesian grid cell. (b) Images of the cell’s vertices with ruled surfaces. (c) Polyhedral cell’s image with triangulated faces.
Fig. 4. Construction of donating regions. (a) Streakline of a cell's vertex P0 represented by the 2-segment polygonal line P0–P1/2–P1. (b) Triangulated streaksurface of a cell's edge P0Q0. (c) Streaktube of a cell's face P0Q0R0S0. (d) Pyramidal volume flux correction  ⁎  capping the donating region of the face P0Q0R0S0.
Fig. 4. Construction of donating regions. (a) Streakline of a cell’s vertex P0 represented by the 2-segment polygonal line P0–P1/2–P1. (b) Triangulated streaksurface of a cell’s edge P0Q0. (c) Streaktube of a cell’s face P0Q0R0S0. (d) Pyramidal volume flux correction ⁎ capping the donating region of the face P0Q0R0S0.
Fig. 5. Interface reconstruction. (a) PLIC polygon in the grid cell, (b) Non-planar image of the PLIC polygon inside the cell's image by isomorphism, (c) Planar PLIC inside the cell's image by computation of the average normal vector. (Triangulation of the cell's image faces are omitted for clarity.)
Fig. 5. Interface reconstruction. (a) PLIC polygon in the grid cell, (b) Non-planar image of the PLIC polygon inside the cell’s image by isomorphism, (c) Planar PLIC inside the cell’s image by computation of the average normal vector. (Triangulation of the cell’s image faces are omitted for clarity.)
Fig. 6. Convergence of the geometric errors in the translation tests.
Fig. 6. Convergence of the geometric errors in the translation tests.
Fig. 7. Reconstructed PLIC polygons (in light blue) superimposed to the exact sphere position (in dark blue) at the end of the rotation tests for the LSF method and CFL = 1.
Fig. 7. Reconstructed PLIC polygons (in light blue) superimposed to the exact sphere position (in dark blue) at the end of the rotation tests for the LSF method and CFL = 1.
Fig. 8. Reconstructed PLIC polygons in the shear tests, at Tf/2 (top row) and Tf (bottom row). Blue polygons are computed with the LSF procedure; green polygons with centered column differences; red polygons with Youngs' method.
Fig. 8. Reconstructed PLIC polygons in the shear tests, at Tf/2 (top row) and Tf (bottom row). Blue polygons are computed with the LSF procedure; green polygons with centered column differences; red polygons with Youngs’ method.
Fig. 9. Reconstructed PLIC polygons in the deformation tests, at Tf/2 (top row) and Tf (bottom row). Blue polygons are computed with the LSF procedure; green polygons with centered column differences; red polygons with Youngs' method.
Fig. 9. Reconstructed PLIC polygons in the deformation tests, at Tf/2 (top row) and Tf (bottom row). Blue polygons are computed with the LSF procedure; green polygons with centered column differences; red polygons with Youngs’ method.

References
[1]
C.W. Hirt, B.D. Nichols, Volume of fluid (VOF) method for the dynamics of free boundaries, Journal of Computational Physics 39 (1981) 201–225. https://doi.org/10.1016/0021-9991(81)90145-5.
Google Scholar
[2]
F.H. Harlow, J.E. Welch, Numerical Calculation of Time-Dependent Viscous Incompressible Flow of Fluid with Free Surface, The Physics of Fluids 8 (1965) 2182–2189. https://doi.org/10.1063/1.1761178.
Google Scholar
[3]
S. McKee, M.F. Tomé, V.G. Ferreira, J.A. Cuminato, A. Castelo, F.S. Sousa, N. Mangiavacchi, The MAC method, Computers & Fluids 37 (2008) 907–930. https://doi.org/10.1016/j.compfluid.2007.10.006.
Google Scholar
[4]
G. Tryggvason, B. Bunner, A. Esmaeeli, D. Juric, N. Al-Rawahi, W. Tauber, J. Han, S. Nas, Y.-J. Jan, A front-tracking method for the computations of multiphase flow, Journal of Computational Physics 169 (2001) 708–759. https://doi.org/10.1006/jcph.2001.6726.
Google Scholar
[5]
S. Shin, D. Juric, Modeling three-dimensional multiphase flow using a level contour reconstruction method for front tracking without connectivity, Journal of Computational Physics 180 (2002) 427–470. https://doi.org/10.1006/jcph.2002.7086.
Google Scholar
[6]
M. Sussman, P. Smereka, S. Osher, A level set approach for computing solutions to incompressible two-phase flow, Journal of Computational Physics 114 (1994) 146–159. https://doi.org/10.1006/jcph.1994.1155.
Google Scholar
[7]
E. Olsson, G. Kreiss, A conservative level set method for two phase flow, Journal of Computational Physics 210 (2005) 225–246. https://doi.org/10.1016/j.jcp.2005.04.007.
Google Scholar
[8]
D. Jacqmin, Calculation of two-phase Navier–Stokes flows using phase-field modeling, Journal of Computational Physics 155 (1999) 96–127. https://doi.org/10.1006/jcph.1999.6332.
Google Scholar
[9]
M. Sussman, E.G. Puckett, A coupled level set and volume-of-fluid method for computing 3D and axisymmetric incompressible two-phase flows, Journal of Computational Physics 162 (2000) 301–337. https://doi.org/10.1006/jcph.2000.6537.
Google Scholar
[10]
M. Sussman, A second order coupled level set and volume-of-fluid method for computing growth and collapse of vapor bubbles, Journal of Computational Physics 187 (2003) 110–136. https://doi.org/10.1016/S0021-9991(03)00087-1.
Google Scholar
[11]
N. Balcázar, O. Lehmkuhl, L. Jofre, J. Rigola, A. Oliva, A coupled volume-of-fluid/level-set method for simulation of two-phase flows on unstructured meshes, Computers & Fluids 124 (2016) 12–29. https://doi.org/10.1016/j.compfluid.2015.10.005.
Google Scholar
[12]
Y. Liu, X. Yu, A coupled phase–field and volume-of-fluid method for accurate representation of limiting water wave deformation, Journal of Computational Physics 321 (2016) 459–475. https://doi.org/10.1016/j.jcp.2016.05.059.
Google Scholar
[13]
E. Aulisa, S. Manservisi, R. Scardovelli, A surface marker algorithm coupled to an area-preserving marker redistribution method for three-dimensional interface tracking, Journal of Computational Physics 197 (2004) 555–584. https://doi.org/10.1016/j.jcp.2003.12.009.
Google Scholar
[14]
D. Enright, R. Fedkiw, J. Ferziger, I. Mitchell, A hybrid particle level set method for improved interface capturing, Journal of Computational Physics 183 (2002) 83–116. https://doi.org/10.1006/jcph.2002.7166.
Google Scholar
[15]
T. Marić, H. Marschall, D. Bothe, lentFoam – A hybrid Level Set/Front Tracking method on unstructured meshes, Computers & Fluids 113 (2015) 20–31. https://doi.org/10.1016/j.compfluid.2014.12.019.
Google Scholar
[16]
S. Mirjalili, S.S. Jain, M. Dodd, Interface-capturing methods for two-phase flows: An overview and recent developments, In: Center for Turbulence Research Annual Research Briefs (2017) 117–135.
Google Scholar
[17]
D. Fuster, A. Bagué, T. Boeck, L. Le Moyne, A. Leboissetier, S. Popinet, P. Ray, R. Scardovelli, S. Zaleski, Simulation of primary atomization with an octree adaptive mesh refinement and VOF method, International Journal of Multiphase Flow 35 (2009) 550–565. https://doi.org/10.1016/j.ijmultiphaseflow.2009.02.014.
Google Scholar
[18]
X. Chen, D. Ma, V. Yang, S. Popinet, High-fidelity simulations of impinging jet atomization, Atomization and Sprays 23 (2013) 1079–1101. https://doi.org/10.1615/AtomizSpr.2013007619.
Google Scholar
[19]
J. Delteil, S. Vincent, A. Erriguible, P. Subra-Paternault, Numerical investigations in Rayleigh breakup of round liquid jets with VOF methods, Computers & Fluids 50 (2011) 10–23. https://doi.org/10.1016/j.compfluid.2011.05.010.
Google Scholar
[20]
Agbaglah, S. Delaux, D. Fuster, J. Hoepffner, C. Josserand, S. Popinet, P. Ray, R. Scardovelli, S. Zaleski, Parallel simulation of multiphase flows using octree adaptivity and the volume-of-fluid method, Comptes Rendus Mecanique 339 (2011) 194–207. https://doi.org/10.1016/j.crme.2010.12.006.
Google Scholar
[21]
H. Grosshans, A. Movaghar, L. Cao, M. Oevermann, R.Z. Szász, L. Fuchs, Sensitivity of VOF simulations of the liquid jet breakup to physical and numerical parameters, Computers & Fluids 136 (2016) 312–323. https://doi.org/10.1016/j.compfluid.2016.06.018.
Google Scholar
[22]
D. Lörstad, L. Fuchs, High-order surface tension VOF-model for 3D bubble flows with high density ratio, Journal of Computational Physics 200 (2004) 153–176. https://doi.org/10.1016/j.jcp.2004.04.001.
Google Scholar
[23]
D. Fuster, S. Popinet, An all-Mach method for the simulation of bubble dynamics problems in the presence of surface tension, Journal of Computational Physics 374 (2018) 752–768. https://doi.org/10.1016/j.jcp.2018.07.055.
Google Scholar
[24]
N. Nikolopoulos, K.S. Nikas, G. Bergeles, A numerical investigation of central binary collision of droplets, Computers & Fluids 38 (2009) 1191–1202. https://doi.org/10.1016/j.compfluid.2008.11.007.
Google Scholar
[25]
G. Strotos, I. Malgarinos, N. Nikolopoulos, M. Gavaises, Predicting droplet deformation and breakup for moderate Weber numbers, International Journal of Multiphase Flow 85 (2016) 96–109. https://doi.org/10.1016/j.ijmultiphaseflow.2016.06.001.
Google Scholar
[26]
D. Jiao, K. Jiao, F. Zhang, Q. Du, Direct numerical simulation of droplet deformation in turbulent flows with different velocity profiles, Fuel 247 (2019) 302–314. https://doi.org/10.1016/j.fuel.2019.03.010.
Google Scholar
[27]
F. Giussani, F. Piscaglia, G. Saez-Mischlich, J. Hèlie, A three-phase VOF solver for the simulation of in-nozzle cavitation effects on liquid atomization, Journal of Computational Physics 406 (2020) 109068. https://doi.org/10.1016/j.jcp.2019.109068.
Google Scholar
[28]
M.R. Pendar, E. Roohi, Investigation of cavitation around 3D hemispherical head-form body and conical cavitators using different turbulence and cavitation models, Ocean Engineering 112 (2016) 287–306. https://doi.org/10.1016/j.oceaneng.2015.12.010.
Google Scholar
[29]
Flow Science, Inc., Santa Fe, NM, USA. FLOW-3D® Version 12.0 (2019). https://www.flow3d.com.
Google Scholar
[30]
O. Ubbink, R.I. Issa, A method for capturing sharp fluid interfaces on arbitrary meshes, Journal of Computational Physics 153 (1999) 26–50. https://doi.org/10.1006/jcph.1999.6276.
Google Scholar
[31]
S. Muzaferija, A two-fluid Navier-Stokes solver to simulate water entry, In: Proceedings of 22nd Symposium on Naval Architecture (1999) 638–651.
Google Scholar
[32]
M. Darwish, F. Moukalled, Convective schemes for capturing interfaces of free-surface flows on unstructured grids, Numerical Heat Transfer, Part B: Fundamentals 49 (2006) 19–42. https://doi.org/10.1080/10407790500272137.
Google Scholar
[33]
S.S. Deshpande, L. Anumolu, M.F. Trujillo, Evaluating the performance of the two-phase flow solver interFoam, Computational Science & Discovery 5 (2012) 014016. https://doi.org/10.1088/1749-4699/5/1/014016.
Google Scholar
[34]
J.A. Heyns, A.G. Malan, T.M. Harms, O.F. Oxtoby, Development of a compressive surface capturing formulation for modelling free-surface flow by using the volume-of-fluid approach, International Journal for Numerical Methods in Fluids 71 (2013) 788–804. https://doi.org/10.1002/fld.3694.
Google Scholar
[35]
S. Ii, K. Sugiyama, S. Takeuchi, S. Takagi, Y. Matsumoto, F. Xiao, An interface capturing method with a continuous function: The THINC method with multi-dimensional reconstruction, Journal of Computational Physics 231 (2012) 2328–2358. https://doi.org/10.1016/j.jcp.2011.11.038.
Google Scholar
[36]
B. Xie, S. Ii, F. Xiao, An efficient and accurate algebraic interface capturing method for unstructured grids in 2 and 3 dimensions: The THINC method with quadratic surface representation, International Journal for Numerical Methods in Fluids 76 (2014) 1025–1042. https://doi.org/10.1016/j.jcp.2013.11.034.
Google Scholar
[37]
Q. Zhang, On Donating Regions: Lagrangian Flux through a Fixed Curve, SIAM Review 55 (2013) 443–461. https://doi.org/10.1137/100796406.
Google Scholar
[38]
E. Aulisa, S. Manservisi, R. Scardovelli, S. Zaleski, Interface reconstruction with least-squares fit and split advection in three-dimensional Cartesian geometry, Journal of Computational Physics 225 (2007) 2301–2319. https://doi.org/10.1016/j.jcp.2007.03.015.
Google Scholar
[39]
G.D. Weymouth, D.K.-P. Yue, Conservative Volume-of-Fluid method for free-surface simulations on Cartesian-grids, Journal of Computational Physics 229 (2010) 2853–2865. https://doi.org/10.1016/j.jcp.2009.12.018.
Google Scholar
[40]
C.S. Wu, D.L. Young, H.C. Wu, Simulations of multidimensional interfacial flows by an improved volume-of-fluid method, International Journal of Heat and Mass Transfer 60 (2013) 739–755. https://doi.org/10.1016/j.ijheatmasstransfer.2012.12.049.
Google Scholar
[41]
T. Marić, D.B. Kothe, D. Bothe, Unstructured un-split geometrical Volume-of-Fluid methods – A review, Journal of Computational Physics 420 (2020) 109695. https://doi.org/10.1016/j.jcp.2020.109695.
Google Scholar
[42]
Q. Zhang, On a Family of Unsplit Advection Algorithms for Volume-of-Fluid Methods, SIAM Journal on Numerical Analysis 51 (2013) 2822–2850. https://doi.org/10.1137/120897882.
Google Scholar
[43]
W.J. Rider, D.B. Kothe, Reconstructing Volume Tracking, Journal of Computational Physics 141 (1998) 112–152. https://doi.org/10.1006/jcph.1998.5906.
Google Scholar
[44]
J. López, J. Hernández, P. Gómez, F. Faura, A volume of fluid method based on multidimensional advection and spline interface reconstruction, Journal of Computational Physics 195 (2004) 718–742. https://doi.org/10.1016/j.jcp.2003.10.030.
Google Scholar
[45]
D.J.E. Harvie, D.F. Fletcher, A new volume of fluid advection algorithm: the defined donating region scheme, International Journal for Numerical Methods in Fluids 35 (2001) 151–172. https://doi.org/10.1002/1097-0363(20010130)35:2<151::AID-FLD87>3.0.CO;2-4.
Google Scholar
[46]
D.J.E. Harvie, D.F. Fletcher, A New Volume of Fluid Advection Algorithm: The Stream Scheme, Journal of Computational Physics 162 (2000) 1–32. https://doi.org/10.1006/jcph.2000.6510.
Google Scholar
[47]
J.E. Pilliod Jr., E.G. Puckett, Second-order accurate volume-of-fluid algorithms for tracking material interfaces, Journal of Computational Physics 199 (2004) 465–502. https://doi.org/10.1016/j.jcp.2003.12.023.
Google Scholar
[48]
A. Cervone, S. Manservisi, R. Scardovelli, S. Zaleski, A geometrical predictor–corrector advection scheme and its application to the volume fraction function, Journal of Computational Physics 228 (2009) 406–419. https://doi.org/10.1016/j.jcp.2008.09.016.
Google Scholar
[49]
R. Comminal, J. Spangenberg, J.H. Hattel, Cellwise conservative unsplit advection for the volume of fluid method, Journal of Computational Physics 283 (2015) 582–608. https://doi.org/10.1016/j.jcp.2014.12.003.
Google Scholar
[50]
J. Mencinger, I. Žun, A PLIC–VOF method suited for adaptive moving grids, Journal of Computational Physics 230 (2011) 644–663. https://doi.org/10.1016/j.jcp.2010.10.010.
Google Scholar
[51]
P. Liovic, M. Rudman, J.-L. Liow, D. Lakehal, D. Kothe, A 3D unsplit-advection volume tracking algorithm with planarity-preserving interface reconstruction, Computers & Fluids 35 (2006) 1011–1032. https://doi.org/10.1016/j.compfluid.2005.09.003.
Google Scholar
[52]
J. Hernández, J. López, P. Gómez, C. Zanzi, F. Faura, A new volume of fluid method in three dimensions—Part I: Multidimensional advection method with face-matched flux polyhedra, International Journal for Numerical Methods in Fluids 58 (2008) 897–921. https://doi.org/10.1002/fld.1776.
Google Scholar
[53]
V. Le Chenadec, H. Pitsch, A 3D Unsplit Forward/Backward Volume-of-Fluid Approach and Coupling to the Level Set Method, Journal of Computational Physics 233 (2013) 10–33. https://doi.org/10.1016/j.jcp.2012.07.019.
Google Scholar
[54]
M. Owkes, O. Desjardins, A computational framework for conservative, three-dimensional, unsplit, geometric transport with application to the volume-of-fluid (VOF) method, Journal of Computational Physics 270 (2014) 587–612. https://doi.org/10.1016/j.jcp.2014.04.022.
Google Scholar
[55]
L. Jofre, O. Lehmkuhl, J. Castro, A. Oliva, A 3-D Volume-of-Fluid advection method based on cell-vertex velocities for unstructured meshes, Computers & Fluids 94 (2014) 14–29. https://doi.org/10.1016/j.compfluid.2014.02.001.
Google Scholar
[56]
T. Marić, H. Marschall, D. Bothe, voFoam – A geometrical Volume of Fluid algorithm on arbitrary unstructured meshes with local dynamic adaptive mesh refinement using OpenFOAM, arXiv preprint (2013) arXiv:1305.3417.
Google Scholar
[57]
T. Marić, H. Marschall, D. Bothe, An enhanced un-split face-vertex flux-based VoF method, Journal of Computational Physics 371 (2018) 967–993. https://doi.org/10.1016/j.jcp.2018.03.048.
Google Scholar
[58]
C.B. Ivey, P. Moin, Conservative volume of fluid advection method on unstructured grids in three dimensions, In: Center for Turbulence Research Annual Research Briefs (2012) 179–192.
Google Scholar
[59]
C.B. Ivey, P. Moin, Conservative and bounded volume-of-fluid advection on unstructured grids, Journal of Computational Physics 350 (2017) 387–419. https://doi.org/10.1016/j.jcp.2017.08.054.
Google Scholar
[60]
J. Roenby, H. Bredmose, H. Jasak, A computational method for sharp interface advection, Royal Society Open Science 3 (2016) 160405. https://doi.org/10.1098/rsos.160405.
Google Scholar
[61]
J. López, P. Gómez, C. Zanzi, F. Faura, H. Hernández, Application of Non-Convex Analytic and Geometric Tools to a PLIC-VOF Method. In: ASME International Mechanical Engineering Congress and Exposition (2016) V007T09A005. https://doi.org/10.1115/IMECE2016-67409.
Google Scholar
[62]
J. López, J. Hernández, P. Gómez, F. Faura, Non-convex analytical and geometrical tools for volume truncation, initialization and conservation enforcement in VOF methods, Journal of Computational Physics 392 (2019) 666–693. https://doi.org/10.1016/j.jcp.2019.04.055.
Google Scholar
[63]
J. López, J. Hernández, P. Gómez, C. Zanzi, R. Zamora, VOFTools 5: An extension to non-convex geometries of calculation tools for volume of fluid methods, Computer Physics Communications (2020) 107277. https://doi.org/10.1016/j.cpc.2020.107277.
Google Scholar
[64]
D.L. Youngs, Time-dependent multi-material flow with large fluid distortion, In: Numerical Methods for Fluid Dynamics, Eds: K.W. Morton, M.J. Baines, Academic Press New York, 1982, pp. 273–285.
Google Scholar
[65]
R. Scardovelli, S. Zaleski, Interface reconstruction with least-square fit and split Eulerian–Lagrangian advection, International Journal for Numerical Methods in Fluids 41 (2003) 251–274. https://doi.org/10.1002/fld.431.
Google Scholar
[66]
R. Scardovelli, S. Zaleski, Analytical Relations Connecting Linear Interfaces and Volume Fractions in Rectangular Grids, Journal of Computational Physics 164 (2000) 228–237. https://doi.org/10.1006/jcph.2000.6567.
Google Scholar
[67]
D. Gueyffier, J. Li, A. Nadim, R. Scardovelli, S. Zaleski, Volume-of-fluid interface tracking with smoothed surface stress methods for three-dimensional flows, Journal of Computational Physics 152 (1999) 423–456. https://doi.org/10.1006/jcph.1998.6168.
Google Scholar
[68]
V. Dyadechko, M. Shashkov, Moment-of-fluid interface reconstruction, Los Alamos Report LA-UR-07-1537 (2007).
Google Scholar
[69]
F. Tampieri, Newell’s method for computing the plane equation of a polygon, In: Graphics Gems III (1992) 231–232. https://doi.org/10.1016/B978-0-08-050755-2.50052-X.
Google Scholar
[70]
J. López, J. Hernández, P. Gómez, F. Faura, A new volume conservation enforcement method for PLIC reconstruction in general convex grids, Journal of Computational Physics 316 (2016) 338–359. https://doi.org/10.1016/j.jcp.2016.04.018.
Google Scholar
[71]
C.W.S. Bruner, Geometric Properties of Arbitrary Polyhedra in Terms of Face Geometry, AIAA Journal 33 (1995) 1350–1350. https://doi.org/10.2514/3.12556.
Google Scholar
[72]
R.N. Goldman, Area of planar polygons and volume of polyhedra, In: Graphics Gems II (1991) 170–171. https://doi.org/10.1016/B978-0-08-050754-5.50043-8.
Google Scholar
[73]
B. Freireich, M. Kodam, C. Wassgren, An exact method for determining local solid fractions in discrete element method simulations, AIChE Journal 56 (2010) 3036–3048. https://doi.org/10.1002/aic.12223.
Google Scholar
[74]
J. López, C. Zanzi, P. Gómez, F. Faura, J. Hernández, A new volume of fluid method in three dimensions—Part II: Piecewise-planar interface reconstruction with cubic-Bézier fit, International Journal for Numerical Methods in Fluids 58 (2008) 923–944. https://doi.org/10.1002/fld.1775.
Google Scholar
[75]
P. Cifani, W.R. Michalek, G.J.M. Priems, J.G. Kuerten, C.W.M. van der Geld, B.J. Geurts, A comparison between the surface compression method and an interface reconstruction method for the VOF approach, Computers & Fluids 136 (2016) 421–435. https://doi.org/10.1016/j.compfluid.2016.06.026.
Google Scholar
[76]
A. Asuri Mukundan, T. Ménard, J.C. Brändle de Motta, A. Berlemont, A 3D Moment of Fluid method for simulating complex turbulent multiphase flows, Computers & Fluids 198 (2020) 104364. https://doi.org/10.1016/j.compfluid.2019.104364.
Google Scholar
[77]
C.B. Ivey, P. Moin, Accurate interface normal and curvature estimates on three-dimensional unstructured non-convex polyhedral meshes, Journal of Computational Physics 300 (2015) 365–386. https://doi.org/10.1016/j.jcp.2015.07.055.
Google Scholar
[78]
H.T. Ahn, M. Shashkov, Multi-material interface reconstruction on generalized polyhedral meshes, Journal of Computational Physics 226 (2007) 2096–2132. https://doi.org/10.1016/j.jcp.2007.06.033.
Google Scholar
[79]
G. Černe, S. Petelin, I. Tiselj, Numerical errors of the volume-of-fluid interface tracking algorithm, International Journal for Numerical Methods in Fluids 38 (2002) 329–350. https://doi.org/10.1002/fld.228.
Google Scholar
[80]
S.J. Mosso, B.K. Swartz, D.B. Kothe, R.C. Ferrell, A parallel, volume-tracking algorithm for unstructured meshes, In: Parallel Computational Fluid Dynamics 1996: Algorithms and Results Using Advanced Computers, 1997, pp. 368–375. https://doi.org/10.1016/B978-044482327-4/50113-3.
Google Scholar
1
This definition of the CFL number is different from the usual definition used in multi-dimensional algebraic advection schemes. However, the component-wise definition is more meaningful in the context of geometric VOF schemes, because it determines the number of layers of cells around the interfacial cells where the liquid volume fractions need to be updated.

Modeling of contactless bubble–bubble interactions in microchannels with integrated inertial pumps

Modeling of contactless bubble–bubble interactions in microchannels with integrated inertial pumps

통합 관성 펌프를 사용하여 마이크로 채널에서 비접촉식 기포-기포 상호 작용 모델링

Physics of Fluids 33, 042002 (2021); https://doi.org/10.1063/5.0041924 B. Hayesa) G. L. Whitingb), and  R. MacCurdyc)

ABSTRACT

In this study, the nonlinear effect of contactless bubble–bubble interactions in inertial micropumps is characterized via reduced parameter one-dimensional and three-dimensional computational fluid dynamics (3D CFD) modeling. A one-dimensional pump model is developed to account for contactless bubble-bubble interactions, and the accuracy of the developed one-dimensional model is assessed via the commercial volume of fluid CFD software, FLOW-3D. The FLOW-3D CFD model is validated against experimental bubble dynamics images as well as experimental pump data. Precollapse and postcollapse bubble and flow dynamics for two resistors in a channel have been successfully explained by the modified one-dimensional model. The net pumping effect design space is characterized as a function of resistor placement and firing time delay. The one-dimensional model accurately predicts cumulative flow for simultaneous resistor firing with inner-channel resistor placements (0.2L < x < 0.8L where L is the channel length) as well as delayed resistor firing with inner-channel resistor placements when the time delay is greater than the time required for the vapor bubble to fill the channel cross section. In general, one-dimensional model accuracy suffers at near-reservoir resistor placements and short time delays which we propose is a result of 3D bubble-reservoir interactions and transverse bubble growth interactions, respectively, that are not captured by the one-dimensional model. We find that the one-dimensional model accuracy improves for smaller channel heights. We envision the developed one-dimensional model as a first-order rapid design tool for inertial pump-based microfluidic systems operating in the contactless bubble–bubble interaction nonlinear regime

이 연구에서 관성 마이크로 펌프에서 비접촉 기포-기포 상호 작용의 비선형 효과는 감소 된 매개 변수 1 차원 및 3 차원 전산 유체 역학 (3D CFD) 모델링을 통해 특성화됩니다. 비접촉식 기포-버블 상호 작용을 설명하기 위해 1 차원 펌프 모델이 개발되었으며, 개발 된 1 차원 모델의 정확도는 유체 CFD 소프트웨어 인 FLOW-3D의 상용 볼륨을 통해 평가됩니다.

FLOW-3D CFD 모델은 실험적인 거품 역학 이미지와 실험적인 펌프 데이터에 대해 검증되었습니다. 채널에 있는 두 저항기의 붕괴 전 및 붕괴 후 기포 및 유동 역학은 수정 된 1 차원 모델에 의해 성공적으로 설명되었습니다. 순 펌핑 효과 설계 공간은 저항 배치 및 발사 시간 지연의 기능으로 특징 지어집니다.

1 차원 모델은 내부 채널 저항 배치 (0.2L <x <0.8L, 여기서 L은 채널 길이)로 동시 저항 발생에 대한 누적 흐름과 시간 지연시 내부 채널 저항 배치로 지연된 저항 발생을 정확하게 예측합니다. 증기 방울이 채널 단면을 채우는 데 필요한 시간보다 큽니다.

일반적으로 1 차원 모델 정확도는 저수지 근처의 저항 배치와 1 차원 모델에 의해 포착되지 않는 3D 기포-저수지 상호 작용 및 가로 기포 성장 상호 작용의 결과 인 짧은 시간 지연에서 어려움을 겪습니다. 채널 높이가 작을수록 1 차원 모델 정확도가 향상됩니다. 우리는 개발 된 1 차원 모델을 비접촉 기포-기포 상호 작용 비선형 영역에서 작동하는 관성 펌프 기반 미세 유체 시스템을 위한 1 차 빠른 설계 도구로 생각합니다.

REFERENCES

1.S. Hassan and X. Zhang, “ Design and fabrication of capillary-driven flow device for point-of-care diagnostics,” Biosensors 10, 39 (2020). https://doi.org/10.3390/bios10040039, Google ScholarCrossref
2.Q. Shizhi and H. Bau, “ Magneto-hydrodynamics based microfluidics,” Mech. Res. Commun. 36, 10 (2009). https://doi.org/10.1016/j.mechrescom.2008.06.013, Google ScholarCrossref
3.N. Mishchuk, T. Heldal, T. Volden, J. Auerswald, and H. Knapp, “ Micropump based on electroosmosis of the second kind,” Electrophoresis 30, 3499 (2009). https://doi.org/10.1002/elps.200900271, Google ScholarCrossref
4.J. Snyder, J. Getpreecharsawas, D. Fang, T. Gaborski, C. Striemer, P. Fauchet, D. Borkholder, and J. McGrath, “ High-performance, low-voltage electroosmotic pumps with molecularly thin silicon nanomembranes,” Proc. Nat. Acad. Sci. U. S. A. 110, 18425–18430 (2013). https://doi.org/10.1073/pnas.1308109110, Google ScholarCrossref
5.K. Vinayakumar, G. Nadiger, V. Shetty, S. Dinesh, M. Nayak, and K. Rajanna, “ Packaged peristaltic micropump for controlled drug delivery application,” Rev. Sci. Instrum. 88, 015102 (2017). https://doi.org/10.1063/1.4973513, Google ScholarScitation, ISI
6.D. Duffy, H. Gillis, J. Lin, N. Sheppard, and G. Kellogg, “ Microfabricated centrifugal microfluidic systems: Characterization and multiple enzymatic assays,” Anal. Chem. 71, 4669 (1999). https://doi.org/10.1021/ac990682c, Google ScholarCrossref
7.V. Gnyawali, M. Saremi, M. Kolios, and S. Tsai, “ Stable microfluidic flow focusing using hydrostatics,” Biomicrofluidics 11, 034104 (2017). https://doi.org/10.1063/1.4983147, Google ScholarScitation, ISI
8.J. Lake, K. Heyde, and W. Ruder, “ Low-cost feedback-controlled syringe pressure pumps for microfluidics applications,” PLoS One 12, e0175089 (2017). https://doi.org/10.1371/journal.pone.0175089, Google ScholarCrossref
9.M. I. Mohammed, S. Haswell, and I. Gibson, “ Lab-on-a-chip or chip-in-a-lab: Challenges of commercialization lost in translation,” Procedia Technology 20, 54–59 (2015), proceedings of The 1st International Design Technology Conference, DESTECH2015, Geelong. Google ScholarCrossref
10.E. Torniainen, A. Govyadinov, D. Markel, and P. Kornilovitch, “ Bubble-driven inertial micropump,” Phys. Fluids 24, 122003 (2012). https://doi.org/10.1063/1.4769755, Google ScholarScitation, ISI
11.H. Hoefemann, S. Wadle, N. Bakhtina, V. Kondrashov, N. Wangler, and R. Zengerle, “ Sorting and lysis of single cells by bubblejet technology,” Sens. Actuators, B 168, 442–445 (2012). https://doi.org/10.1016/j.snb.2012.04.005, Google ScholarCrossref
12.B. Hayes, A. Hayes, M. Rolleston, A. Ferreira, and J. Kirsher, “ Pulsatory mixing of laminar flow using bubble-driven micro-pumps,” in Proceedings of the ASME 2018 International Mechanical Engineering Congress and Exposition (2018), Vol. 7. Google ScholarCrossref
13.E. Ory, H. Yuan, A. Prosperetti, S. Popinet, and S. Zaleski, “ Growth and collapse of a vapor bubble in a narrow tube,” Phys. Fluids 12, 1268 (2000). https://doi.org/10.1063/1.870381, Google ScholarScitation, ISI
14.Z. Yin and A. Prosperetti, “‘ Blinking bubble’ micropump with microfabricated heaters,” J. Micromech. Microeng. 15, 1683 (2005). https://doi.org/10.1088/0960-1317/15/9/010, Google ScholarCrossref
15.M. Einat and M. Grajower, “ Microboiling measurements of thermal-inkjet heaters,” J. Microelectromech. Syst. 19, 391 (2010). https://doi.org/10.1109/JMEMS.2010.2040946, Google ScholarCrossref
16.A. Govyadinov, P. Kornilovitch, D. Markel, and E. Torniainen, “ Single-pulse dynamics and flow rates of inertial micropumps,” Microfluid. Nanofluid. 20, 73 (2016). https://doi.org/10.1007/s10404-016-1738-x, Google ScholarCrossref
17.E. Sourtiji and Y. Peles, “ A micro-synthetic jet in a microchannel using bubble growth and collapse,” Appl. Therm. Eng. 160, 114084 (2019). https://doi.org/10.1016/j.applthermaleng.2019.114084, Google ScholarCrossref
18.B. Hayes, A. Govyadinov, and P. Kornilovitch, “ Microfluidic switchboards with integrated inertial pumps,” Microfluid. Nanofluid. 22, 15 (2018). https://doi.org/10.1007/s10404-017-2032-2, Google ScholarCrossref
19.P. Kornilovitch, A. Govyadinov, D. Markel, and E. Torniainen, “ One-dimensional model of inertial pumping,” Phys. Rev. E 87, 023012 (2013). https://doi.org/10.1103/PhysRevE.87.023012, Google ScholarCrossref
20.H. Yuan and A. Prosperetti, “ The pumping effect of growing and collapsing bubbles in a tube,” J. Micromech. Microeng. 9, 402–413 (1999). https://doi.org/10.1088/0960-1317/9/4/318, Google ScholarCrossref
21.J. Zou, B. Li, and C. Ji, “ Interactions between two oscillating bubbles in a rigid tube,” Exp. Therm. Fluid Sci. 61, 105 (2015). https://doi.org/10.1016/j.expthermflusci.2014.10.021, Google ScholarCrossref
22.C. Hirt and B. Nichols, “ Volume of fluid (vof) method for the dynamics of free boundaries,” J. Comput. Phys. 39, 201–225 (1981). https://doi.org/10.1016/0021-9991(81)90145-5, Google ScholarCrossref
23.C. Borgnakke and R. E. Sonntag, Fundamentals of Thermodynamics, 8th ed. ( Wiley, 1999). Google Scholar
24.O. E. Ruiz, “ CFD model of the thermal inkjet droplet ejection process,” in Proceeding of Heat Transfer Summer Conference (2007), Vol. 3. Google ScholarCrossref
25.T. Theofanous, L. Biasi, H. Isbin, and H. Fauske, “ A theoretical study on bubble growth in constant and time-dependent pressure fields,” Chem. Eng. Sci. 24, 885–897 (1969). https://doi.org/10.1016/0009-2509(69)85008-6, Google ScholarCrossref
26.S. Timoshenko and J. Goodier, Theory of Elasticity, 3rd ed. ( McGaw-Hill, Inc., 1970). Google Scholar

Fig. 9 (a) Velocity field, keyhole profile, and breakage of the keyhole to form bubble and (b) 2D temperature and velocity field along the longitudinal section

A Numerical Study on the Keyhole Formation During Laser Powder Bed Fusion Process

Keyhole에 대한 수치적 연구 : 레이저 분말 중 형성 베드 퓨전 공정

Subin Shrestha1
J.B. Speed School of Engineering,University of Louisville,Louisville, KY 40292
e-mail: subin.shrestha@louisville.edu

Y. Kevin Chou
J.B. Speed School of Engineering,University of Louisville,Louisville, KY 40292
e-mail: kevin.chou@louisville.edu

LPBF (Laser Powder Bed fusion) 공정 중 용융 풀의 동적 현상은 복잡하고 공정 매개 변수에 민감합니다. 에너지 밀도 입력이 특정 임계 값을 초과하면 키홀이라고 하는 거대한 증기 함몰이 형성 될 수 있습니다.

이 연구는 수치 분석을 통해 LPBF 과정에서 키홀 거동 및 관련 기공 형성을 이해하는 데 중점을 둡니다. 이를 위해 이산 분말 입자가 있는 열 유동 모델이 개발되었습니다.

이산 요소 방법 (DEM)에서 얻은 분말 분포는 계산 영역에 통합되어 FLOW-3D를 사용하는 3D 프로세스 물리학 모델을 개발합니다.

전도 모드 중 용융 풀 형성과 용융의 키홀 모드가 식별되고 설명되었습니다. 높은 에너지 밀도는 증기 기둥의 형성으로 이어지고 결과적으로 레이저 스캔 트랙 아래에 구멍이 생깁니다.

또한 다양한 레이저 출력과 스캔 속도로 인한 Keyhole 모양을 조사합니다. 수치 결과는 동일한 에너지 밀도에서도 레이저 출력이 증가함에 따라 Keyhole크기가 증가 함을 나타냅니다. Keyhole은 더 높은 출력에서 ​​안정되어 레이저 스캔 중 Keyhole 발생을 줄일 수 있습니다.

The dynamic phenomenon of a melt pool during the laser powder bed fusion (LPBF) process is complex and sensitive to process parameters. As the energy density input exceeds a certain threshold, a huge vapor depression may form, known as the keyhole. This study focuses on understanding the keyhole behavior and related pore formation during the LPBF process through numerical analysis. For this purpose, a thermo-fluid model with discrete powder particles is developed. The powder distribution, obtained from a discrete element method (DEM), is incorporated into the computational domain to develop a 3D process physics model using flow-3d. The melt pool formation during the conduction mode and the keyhole mode of melting has been discerned and explained. The high energy density leads to the formation of a vapor column and consequently pores under the laser scan track. Further, the keyhole shape resulted from different laser powers and scan speeds is investigated. The numerical results indicated that the keyhole size increases with the increase in the laser power even with the same energy density. The keyhole becomes stable at a higher power, which may reduce the occurrence of pores during laser scanning.

Keywords: additive manufacturing, keyhole, laser powder bed fusion, porosity

Fig. 1 (a) Powder added to the dispenser platform and (b) powder particles settled over build plate after the recoating process
Fig. 1 (a) Powder added to the dispenser platform and (b) powder particles settled over build plate after the recoating process
Fig. 2 3D computational domain used for single-track simulation
Fig. 2 3D computational domain used for single-track simulation
Fig. 3 Temperature-dependent material properties of Ti-6Al-4V
Fig. 3 Temperature-dependent material properties of Ti-6Al-4V
Fig. 4 Powder and substrate melting during laser application
Fig. 4 Powder and substrate melting during laser application
Fig. 5 Melt region formed after complete melting and solidification
Fig. 5 Melt region formed after complete melting and solidification
Fig. 6 Melt pool boundary comparison between the experiment [25] and the simulation
Fig. 6 Melt pool boundary comparison between the experiment [25] and the simulation
Fig. 7 Equilibrium points during the formation of vapor column [27]
Fig. 7 Equilibrium points during the formation of vapor column [27]
Fig. 8 Multiple reflection vectors from the keyhole wall
Fig. 8 Multiple reflection vectors from the keyhole wall
Fig. 9 (a) Velocity field, keyhole profile, and breakage of the keyhole to form bubble and (b) 2D temperature and velocity field along the longitudinal section
Fig. 9 (a) Velocity field, keyhole profile, and breakage of the keyhole to form bubble and (b) 2D temperature and velocity field along the longitudinal section
Fig. 10 Fluid flow in the transverse direction during keyhole melting
Fig. 10 Fluid flow in the transverse direction during keyhole melting
Fig. 11 Melt pool boundary compared with the experiment [21] for 195 W laser power and 400 mm/s scan speed
Fig. 11 Melt pool boundary compared with the experiment [21] for 195 W laser power and 400 mm/s scan speed
Fig. 12 Melt region formed after complete melting and solidification
Fig. 12 Melt region formed after complete melting and solidification
Fig. 13 2D images of the pores formed at the beginning of the single track and their 3D-rendered morphology
Fig. 13 2D images of the pores formed at the beginning of the single track and their 3D-rendered morphology
Fig. 14 Pore number and volume from a different level of power with LED = 0.4 J/mm [29]
Fig. 14 Pore number and volume from a different level of power with LED = 0.4 J/mm [29]
Fig. 15 Keyhole shape at different time steps from different parameters: (a) P = 100 W, v = 250 mm/s, (b) P = 200 W, v = 500 mm/s, (c) P = 300 W, v = 750 mm/s, and (d) P = 400 W, v = 1000 mm/s
Fig. 15 Keyhole shape at different time steps from different parameters: (a) P = 100 W, v = 250 mm/s, (b) P = 200 W, v = 500 mm/s, (c) P = 300 W, v = 750 mm/s, and (d) P = 400 W, v = 1000 mm/s
Fig. 16 Intensity dependence in the relationship between vapor column and evaporation pressure [27]
Fig. 16 Intensity dependence in the relationship between vapor column and evaporation pressure [27]
Fig. 17 Temperature distribution when laser has moved 0.8 mm with P = 300 W, v = 750 mm/s and P = 400 W, v = 1000 mm/s
Fig. 17 Temperature distribution when laser has moved 0.8 mm with P = 300 W, v = 750 mm/s and P = 400 W, v = 1000 mm/s
Fig. 18 Melt region with different level of power with LED of 0.4 J/mm
Fig. 18 Melt region with different level of power with LED of 0.4 J/mm

References

[1] Bauereiß, A., Scharowsky, T., and Körner, C., 2014, “Defect Generation and
Propagation Mechanism During Additive Manufacturing by Selective Beam
Melting,” J. Mater. Process. Technol., 214(11), pp. 2522–2528.
[2] Gong, H., Rafi, K., Gu, H., Starr, T., and Stucker, B., 2014, “Analysis of Defect
Generation in Ti–6Al–4V Parts Made Using Powder Bed Fusion Additive
Manufacturing Processes,” Add. Manuf., 1(2014), pp. 87–98.
[3] Wang, Y., Kamath, C., Voisin, T., and Li, Z., 2018, “A Processing Diagram for
High-Density Ti-6Al-4V by Selective Laser Melting,” Rapid Prototyping J., 24
(9), pp. 1469–1478.
[4] Khairallah, S. A., and Anderson, A., 2014, “Mesoscopic Simulation Model of
Selective Laser Melting of Stainless Steel Powder,” J. Mater. Process. Technol.,
214(11), pp. 2627–2636.
[5] Yadroitsev, I., Gusarov, A., Yadroitsava, I., and Smurov, I., 2010, “Single Track
Formation in Selective Laser Melting of Metal Powders,” J. Mater. Process.
Technol., 210(12), pp. 1624–1631.
[6] Xia, M., Gu, D., Yu, G., Dai, D., Chen, H., and Shi, Q., 2016, “Influence of Hatch
Spacing on Heat and Mass Transfer, Thermodynamics and Laser Processability
During Additive Manufacturing of Inconel 718 Alloy,” Int. J. Mach. Tools
Manuf., 109(2016), pp. 147–157.
[7] Lee, Y., and Zhang, W., 2016, “Modeling of Heat Transfer, Fluid Flow and
Solidification Microstructure of Nickel-Base Superalloy Fabricated by Laser
Powder bed Fusion,” Add. Manuf., 12(2016), pp. 178–188.
[8] Wu, Y.-C., San, C.-H., Chang, C.-H., Lin, H.-J., Marwan, R., Baba, S., and
Hwang, W.-S., 2018, “Numerical Modeling of Melt-Pool Behavior in Selective
Laser Melting with Random Powder Distribution and Experimental
Validation,” J. Mater. Process. Technol., 254(2018), pp. 72–78.
[9] Khairallah, S. A., Anderson, A. T., Rubenchik, A., and King, W. E., 2016, “Laser
Powder-bed Fusion Additive Manufacturing: Physics of Complex Melt Flow and
Formation Mechanisms of Pores, Spatter, and Denudation Zones,” Acta
Materialia, 108(2016), pp. 36–45.
[10] Tan, J., Tang, C., and Wong, C., 2018, “A Computational Study on Porosity
Evolution in Parts Produced by Selective Laser Melting,” Metall. Mater. Trans.
A, 49A(8), pp. 3663–3673.
[11] Leitz, K.-H., Singer, P., Plankensteiner, A., Tabernig, B., Kestler, H., and Sigl,
L. J. M. P. R., 2017, “Multi-Physical Simulation of Selective Laser Melting,”
Metal Powder Report, 72(5), pp. 331–338.
[12] Zhao, C., Fezzaa, K., Cunningham, R. W., Wen, H., Carlo, F., Chen, L., Rollett,
A. D., and Sun, T., 2017, “Real-time Monitoring of Laser Powder Bed Fusion
Process Using High-Speed X-ray Imaging and Diffraction,” Sci. Rep., 7(1),
p. 3602.
[13] Parab, N. D., Zhao, C., Cunningham, R., Escano, L. I., Fezzaa, K., Everhart, W.,
Rollett, A. D., Chen, L., and Sun, T., 2018, “Ultrafast X-ray Imaging of Laser–
Metal Additive Manufacturing Processes,” J. Synchrotron Radiat., 25(5),
pp. 1467–1477.
[14] Cunningham, R., Zhao, C., Parab, N., Kantzos, C., Pauza, J., Fezzaa, K., Sun, T.,
and Rollett, A. D., 2019, “Keyhole Threshold and Morphology in Laser Melting
Revealed by Ultrahigh-Speed X-Ray Imaging,” Science, 363(6429), pp. 849–852.
[15] Shrestha, S., Starr, T., and Chou, K., 2019, “A Study of Keyhole Porosity in
Selective Laser Melting: Single Track Scanning With Micro-CT Analysis,”
ASME J. Manuf. Sci. Eng., 141(7), pp. 1–23.
[16] Ye, J., Rubenchik, A. M., Crumb, M. F., Guss, G., and Matthews, M. J., 2018,
“Laser Absorption and Scaling Behavior in Powder Bed Fusion Additive
Manufacturing of Metals,” Proceedings of the CLEO: Science and Innovations,
Optical Society of America, San Jose, CA, May 13–18, Optical Society of
America, p. JW2A.117.
[17] Mishra, B., and Rajamani, R. K., 1992, “The Discrete Element Method for the
Simulation of Ball Mills,” Appl. Math. Modell., 16(11), pp. 598–604.
[18] Yan, W., Qian, Y., Ge, W., Lin, S., Liu, W. K., Lin, F., and Wagner, G. J., 2018,
“Meso-Scale Modeling of Multiple-Layer Fabrication Process in Selective
Electron Beam Melting: Inter-Layer/Track Voids Formation,” Materials and
Design, 141(2018), pp. 210–219.
[19] Kloss, C., Goniva, C., Hager, A., Amberger, S., and Pirker, S., 2012, “Models,
Algorithms and Validation for Opensource DEM and CFD–DEM,” Prog.
Comput. Fluid Dynam. Int. J., 12(2–3), pp. 140–152.
[20] Escano, L. I., Parab, N. D., Xiong, L., Guo, Q., Zhao, C., Fezzaa, K., Everhart,
W., Sun, T., and Chen, L., 2018, “Revealing Particle-Scale Powder Spreading
Dynamics in Powder-Bed-Based Additive Manufacturing Process by
High-Speed X-Ray Imaging,” Sci. Rep., 8(1), p. 15079.
[21] Gong, H., Gu, H., Zeng, K., Dilip, J., Pal, D., Stucker, B., Christiansen, D., Beuth,
J., and Lewandowski, J. J., 2014, “Melt Pool Characterization for Selective Laser
Melting of Ti-6Al-4V Pre-Alloyed Powder,” Proceedings of the Solid Freeform
Fabrication Symposium, Austin, TX, Aug. 4–6, pp. 256–267.
[22] Mills, K. C., 2002, Recommended Values of Thermophysical Properties for
Selected Commercial Alloys, Woodhead Publishing, Cambridge, UK.
[23] Shrestha, S., and Chou, K., 2017, “A Build Surface Study of Powder-Bed
Electron Beam Additive Manufacturing by 3D Thermo-Fluid Simulation and
White-Light Interferometry,” Int. J. Mach. Tools Manuf., 121(2017), pp. 37–49.
[24] Cho, J.-H., and Na, S.-J., 2006, “Implementation of Real-Time Multiple
Reflection and Fresnel Absorption of Laser Beam in Keyhole,” J. Phys. D:
Appl. Phys., 39(24), p. 5372.
[25] Dilip, J., Zhang, S., Teng, C., Zeng, K., Robinson, C., Pal, D., and Stucker, B.,
2017, “Influence of Processing Parameters on the Evolution of Melt Pool,
Porosity, and Microstructures in Ti-6Al-4V Alloy Parts Fabricated by Selective
Laser Melting,” Prog. Add. Manuf., 2(3), pp. 157–167.
[26] Bertoli, U. S., Wolfer, A. J., Matthews, M. J., Delplanque, J.-P. R., and Schoenung,
J. M., 2017, “On the Limitations of Volumetric Energy Density as a Design
Parameter for Selective Laser Melting,” Mater. Des., 113(2017), pp. 331–340.
[27] Kroos, J., Gratzke, U., and Simon, G., 1993, “Towards a Self-Consistent Model of
the Keyhole in Penetration Laser Beam Welding,” J. Phys. D: Appl. Phys., 26(3),
p. 474.
[28] Martin, A., Calta, N., Hammons, J., Khairallah, S., Nielsen, M., Shuttlesworth, R.,
Sinclair, N., Matthews, M., Jeffries, J., and Willey, T., 2019, “Ultrafast Dynamics
of Laser-Metal Interactions in Additive Manufacturing Alloys Captured by In Situ
X-Ray Imaging,” Mater. Today Adv., 1(2019), p. 100002.
[29] Shrestha, S., Starr, T., and Chou, K., 2018, “Individual and coupled contributions
of laser power and scanning speed towards process-induced porosity in selective
laser melting,” Proceedings of the Solid Freeform Fabrication Symposium,
Austin, TX, Aug. 13–15, pp. 1400–1409.
[30] Hann, D., Iammi, J., and Folkes, J., 2011, “A Simple Methodology for Predicting
Laser-Weld Properties From Material and Laser Parameters,” J. Phys. D: Appl.
Phys., 44(44), p. 445401.
[31] Trapp, J., Rubenchik, A. M., Guss, G., and Matthews, M. J., 2017, “In Situ
Absorptivity Measurements of Metallic Powders During Laser Powder-bed
Fusion Additive Manufacturing,” Appl. Mat. Today, 9(2017), pp. 341–349.

FIGURE 1. - FLOW-3D MODEL OF K-SITE TANK PRESSUR-IZATION.

Prediction of the Ullage Gas Thermal Stratification in a NASP Vehicle Propellant Tank Experimental Simulation Using FLOW-3D

FLOW-3D를 사용한 NASP 차량 추진 탱크 실험 시뮬레이션에서 Ullage 가스 열 층화 예측

Personal AuthorHardy, T. L.; Tomsik, T. M.

NASP (National Aero-Space Plane) 프로젝트의 일환으로 2D 온도 프로파일에 대한 중력, 초기 탱크 압력, 초기 유면 온도 및 열 전달 속도의 다차원 효과를 연구했습니다.

상업용 유한 차분 유체 흐름 모델인 FLOW-3D가 평가에 사용되었습니다. 이러한 효과는 기체 수소 가압제를 사용한 이전 액체 수소 실험 데이터를 기반으로 조사되었습니다.

FLOW-3D 결과는 기존 1D 모델과 비교되었습니다. 또한 메쉬 크기와 수렴 기준이 분석 결과에 미치는 영향을 조사했습니다. NASP 탱크 모델링을위한 향후 수정 및 FLOW-3D 사용에 대한 제안도 제공됩니다.

KeywordsAerospace planesComputer programsFluid flowHeat transferNational aerospace plane programPropellant tanksUllageComputational gridsConvergenceFinite difference theoryLiquid hydrogenMathematical modelsSimulationStratificationTemperature profiles
FIGURE 1. - FLOW-3D MODEL OF K-SITE TANK PRESSUR-IZATION.
FIGURE 1. – FLOW-3D MODEL OF K-SITE TANK PRESSUR-IZATION.
FIGURE 3. - EFFECT OF GRAVITY ON TEMPERATURE CONTOURS
FIGURE 3. – EFFECT OF GRAVITY ON TEMPERATURE CONTOURS
FIGURE 6.- EFFECT OF INITIAL PRESSURE ON VELOCITY PROFILE
FIGURE 6.- EFFECT OF INITIAL PRESSURE ON VELOCITY PROFILE
FIGURE 10. - EFFECT OF INITIAL TEMPERATURE ON TEMPERATURE CONTOURS
FIGURE 10. – EFFECT OF INITIAL TEMPERATURE ON TEMPERATURE CONTOURS
FIGURE 13. - EFFECT OF HEAT TRANSFER ON TEMPERATURE CONTOURS
FIGURE 13. – EFFECT OF HEAT TRANSFER ON TEMPERATURE CONTOURS
FIGURE 16. - EFFECT OF CONVERGENCE CRITERIA ON TEMPERATURE CONTOURS, 55 PERCENT ULLAGE, Pi = 17.4 PSI, 6 = 32.2 FT/SECZ, 24 SEC PRESSURIZATION
FIGURE 16. – EFFECT OF CONVERGENCE CRITERIA ON TEMPERATURE CONTOURS, 55 PERCENT ULLAGE, Pi = 17.4 PSI, 6 = 32.2 FT/SECZ, 24 SEC PRESSURIZATION
FIGURE 17. - COMPAR ISON OF CENTERLINE TEMPERATURES USING VARIOUS CONVERGENCE CRITERIA, 55 PERCENT ULLAGE, G = 32,2 FT/SEC2, P;= 17.4 PSI, 24 SEC PRESSURIZATION.
FIGURE 17. – COMPAR ISON OF CENTERLINE TEMPERATURES USING VARIOUS CONVERGENCE CRITERIA, 55 PERCENT ULLAGE, G = 32,2 FT/SEC2, P;= 17.4 PSI, 24 SEC PRESSURIZATION.
FIGURE 19. - EFFECT OF CONVERGENCE CRITERIA ON VELOCITY PROFILE,
FIGURE 19. – EFFECT OF CONVERGENCE CRITERIA ON VELOCITY PROFILE,
FIGURE 21. - EFFECT OF MESH SIZE ON TEMPERA- TURE CONTOURS, 55 PERCENT ULLAGE, Pi = 17.4 PSI, G = 0.0 FT/SEC2, , e = . 02, dt = , 005 SEC, 24 SEC PRESSURIZATION.
FIGURE 21. – EFFECT OF MESH SIZE ON TEMPERA- TURE CONTOURS, 55 PERCENT ULLAGE, Pi = 17.4 PSI, G = 0.0 FT/SEC2, , e = . 02, dt = , 005 SEC, 24 SEC PRESSURIZATION.

Figure 1: Die configuration for a multi-attribute composite die for high die life and self-lubricating surface

Innovative Die Material and Lubrication Strategies for Clean and Energy Conserving Forging Technologies

청정 및 에너지 절약 단조 기술을 위한 혁신적인 다이 재료 및 윤활 전략

이 최종 기술 보고서에는 수상 번호 DE-FC07-01ID14206에 따라 미국 에너지 부에서 부분적으로 자금을 지원 한 “청정 및 에너지 절약 단조 기술을위한 혁신적인 다이 재료 및 윤활 전략”프로젝트에서 수행 된 작업이 포함되어 있습니다. 프로젝트 수행을위한 계약 시간은 2001 년 9 월 30 일부터 2005 년 9 월 29 일까지였습니다. 그러나 DOE / OIT는 2003 년과 2004 년 회계 연도 지난 2 년 동안 자금을 제공 할 수 없었고 프로젝트는 2003-04 회계 연도에 조기 종료되었습니다. 결과적으로 많은 주요 연구 과제가 특정 이정표를 달성하기 위해 수정되거나 완료되지 않고 종료되었습니다. Ohio State University의 산업, 용접 및 시스템 공학 교수 인 Rajiv Shivpuri 박사는이 프로젝트의 프로젝트 책임자이자 수석 조사자였습니다. 이상은 오하이오 주립 대학 연구 재단 (OSURF)에서 관리했습니다. OSURF는 모든 재정 및 행정 문제도 담당했습니다. 재정 보고서는 별도로 제출됩니다. 에너지 부서, 산업 기술 사무소의 프로그램 관리자는 Golden Office의 Mr. Ramesh Jain과 Mr. Dibyajyoti Aichbhowmik이었습니다.
이 프로젝트의 주요 성과는 다음과 같습니다.

• 단조 산업 및 해당 공급 업체와 함께 산업 응용 분야를위한 혁신적인 다이 재료 및 윤활 전략을 탐색하기위한 주요 협력 노력이 수립되었습니다. 여기에는 단조 산업과 협력하는 워크숍과 심포지엄이 포함되었습니다. 단조 산업 전체에 결과를 전파하기 위해 단조 산업 기술 컨퍼런스에서 발표되었습니다.

• 단조 산업 협회와 단조 산업 교육 연구 재단의 후원으로 단조 기술 우수 센터 설립. 이 센터의 일부로 산업, OSU, 오하이오 주 및 DOE 지원과 함께 2 개의 단조 셀이 설치되었습니다. 1300 톤 기계식 프레스 셀과 350 톤 유압 프레스 셀입니다. 이것은 단조 연구에 150 만 달러를 투입 한 것입니다.

• LENS (Laser Enhanced Net Shaping) 기반 니켈 알루미나 이드 코팅 오버레이 (자세한 내용은 부록 A 참조)를 포함하여 혁신적인 다이 코팅이 탐색되었습니다.

• 열간 단조 응용 분야를위한 금형 재료를 최적으로 선택하고 설계하기 위해 혁신적인 실험 설정 및 예측 열 연화 소프트웨어가 개발되었습니다 (부록 B, C 및 D).

• 윤활 전략 및 단일 액적 기반 윤활 모델은 확산 및 열 전달을위한 열간 단조 윤활제의 최적 증착을 위해 개발되었습니다 (부록 E 및 F).

• 윤활유 분해 및 바운스 용 모델이 개발되었습니다. 이 모델은 뜨거운 다이 표면의 흑연 윤활로 인한 공기 및 지하수 오염을 줄이는 데 사용할 수 있습니다.

(부록 G). 이 보고서는 Shivpuri 박사와 Yijun Zhu (연구원)가 작성했습니다. 여기에는 다른 외부 또는 내부 지원과 함께 프로젝트 종료 후 일부 연구 계획 및 프로젝트 기간 동안 완료된 작업에 대한 세부 정보가 포함되어 있습니다.

1.1 프로젝트 목표

이 프로젝트의 목표는 혁신적인 다이 재료 및 윤활 전략을 개발 및 구현하여 다이 수명을 8 배 늘리고, 에너지 투입량을 15 % 줄이며, 부품 당 에너지 비용을 50 % 줄이며, 윤활유에서 나오는 미립자 배출량을 90 % 줄이며, 다이 관련 가동 시간을 90 %까지 늘립니다.

단조 산업, 공급 업체 (철강 및 알루미늄 생산 업체 (IOF), 윤활유, 표면 기술 및 다이 소재 공급 업체) 및 고객 (OEM)에 미치는 최대의 광범위한 에너지 영향을 위해 전략이 선택되었습니다.

여기에는 최적의 윤활제 스프레이 기술, 고급 표면 엔지니어링에 의한 열간 단조의 흑연 제거, 경사 다이 재료 및 다이 엔지니어링, 열간 단조를위한 윤활 및 다이 활성화 등이 포함됩니다.

미국의 단조 산업은 1997 년에 약 120 억 달러였습니다 (DOD 국가 안보). 평가). 제품 총 판매 가치의 약 15 %가 에너지에 할당되며 연간 약 50 조 BTU입니다. 흑연 사용 (열간 단조) 및 냉간 단조 전환 코팅 사용으로 인한 환경 영향은 제품 비용에 20 % 이상 추가 될 것으로 예상됩니다.

Figure 1: Die configuration for a multi-attribute composite die for high die life and self-lubricating surface
Figure 1: Die configuration for a multi-attribute composite die for high die life and self-lubricating surface

BACKGROUND

실온 (저온) 및 고온 (온 및 고온)에서 수행되는 단조는 진화하는 야금, 공구 표면의 마찰 및 금속의 흐름 특성을 포함하는 잘 이해되지 않는 복잡한 현상입니다. 이 프로젝트에서 다루어 진 기술적 장애물은 다음과 같습니다.

• 냉간 및 열간 단조의 윤활 작용에 대한 지식 부족. 윤활유 및 윤활 기술의 선택은 윤활유 및 장비 공급 업체에 맡겨집니다. 이로 인해 윤활유의 과도하고 불량한 사용과 과도한 환경 오염이 발생합니다.

• 고급 단조 응용 분야를위한 새로운 표면 엔지니어링 및 다이 재료 기술의 성숙도가 부족합니다. 실제 생산에서이를 구현하는 데 따른 기술적 및 재정적 위험이 매우 높아 사용을 제한합니다. 이러한 기술의 시장 침투는 거의 존재하지 않습니다.

• 다이와 윤활 시스템의 설계 최적화를위한 계산 도구가 부족합니다.

윤활유 및 다이 소재 기술에서 다음과 같은 전략을 통해 프로젝트 목표를 실현할 계획이었습니다.

• 전략 # 1 : 오염을 제거하고, 윤활제 사용을 줄이며, 다이 냉각 감소로 인한 그물 성형을 가능하게하는 윤활제 스프레이 공정의 최적 설계를위한 시스템 개발. 또한 흑연 기반 윤활유의 필요성을 줄여줍니다.

• 전략 # 2 : 철 및 비철 부품의 온간 단조 (빌릿 가열이 1250F에서 900F로 감소)를위한 다이 수명과 공정을 개선하기 위한 윤활제 및 다이 코팅 가능 요소를 개발합니다. 단조 온도를 낮추면 공차가 개선되고 부품 당 에너지가 크게 절약됩니다.

• 전략 # 3 : 저 마찰 다이 표면 엔지니어링 (DLC (비철) 및 WC / C 코팅)을 사용하여 냉간 단조 빌릿에 인광 코팅을 사용하지 않습니다.

• 전략 # 4 : 열간 단조 금형을위한 고급 표면 클래딩 (렌즈 및 열 스프레이에 의한 단단한 표면) 및 이중 코팅 기술을 개발합니다. 기존의 코팅과 표면 공학 기술은 상당한 이득을 얻지 못했습니다.

• 전략 # 5 : 재료 및 공정 설계를 통해 냉간 및 열간 단조에서 공정 중 다이 고장을 제거하고 예측 다이 유지 보수를위한 소프트웨어를 개발합니다. 이는 스크랩 감소 및 다이 관련 다운 타임에 상당한 영향을 미칩니다.

개발중인 많은 기술은 수치 모델링, 윤활 및 냉각수 기술, 표면 기술, 재료의 신속한 프로토 타이핑, 레이저 기술 등과 같은 교차 절단 R & D 가능 요소를 다루고 있습니다. 이러한 기술은 지원 산업의 로드맵에서도 중요한 기술로 확인되었습니다.

미래의 산업으로. IOF를 위해 250 조 BTU의 에너지 절약과 3500 톤의 오염 물질이 예상됩니다. 프로젝트가 전액 지원을받지 못하고 프로젝트가 2004 년 9 월 30 일에 종료되었으므로 전략 # 1, # 4, # 5 만 추구했습니다. 연구 및 구현에 대한 세부 사항은 부록에 포함되어 있습니다.

Effect of lubricant heat

템퍼링, 마모 및 공구 열화에 대한 단조 윤활유의 효과를 평가하기 위해 다양한 열 전달 계수로 여러 시뮬레이션을 수행했습니다. 컴퓨터 시뮬레이션에 사용 된 열전달 계수의 값은 얻은 값과 일치하며 경우에 따라 Sridhar 등이 오하이오 주립 대학에서 수행 한 테스트에서 추정 한 값입니다. 사용 된 계면 열전달 계수의 값은 12 KW / m2 ° C, 24 KW / m2 ° C 및 33 KW / m2 ° C였으며, 이는 20 부, 30 부 및 100 부 물로 희석 된 수성 흑연 윤활제에 해당합니다 (희석 비율 1:20, 1:30 및 1 : 100). 이러한 각 희석 비율에 대해 3000 및 5000 샷 후 상부 다이의 경도 분포는 그림 C.3, C.4 및 C.5에 나와 있습니다. 희석 비 1:20에 대한 표면 경도 분포는 그림 C.6에 나와 있습니다.

Figure C. 2: stage gear blank forging sequence (Courtesy: Sypris Technologies
Figure C. 2: stage gear blank forging sequence (Courtesy: Sypris Technologies
Figure C. 3: Hardness distribution after 3000 and 5000 shots, heat transfer coefficient used = 12 KW/m2°C, press type: mechanical press
Figure C. 3: Hardness distribution after 3000 and 5000 shots, heat transfer coefficient used = 12 KW/m2°C, press type: mechanical press

F.5.3 Results of the Lubricant Properties

표 F.1은 윤활유의 측정 된 특성을 보여줍니다. DP는 107 및 CA 모세관 작용 방법에서 펜던트 드롭 방법을 나타냅니다. 테스트 된 액체에는 순수한 물이 포함됩니다. 다음과 같은 사실을 관찰 할 수 있습니다. a). 더 높은 표면 장력을 가진 더 높은 희석 비율 회사; 비). 희석 비율이 1 : 1보다 큰 액체의 경우 표면 장력이 물의 장력에 접근합니다. 드롭 펜던트 법으로 추정 한 모든 표면 장력은 동일한 경향을 공유하지만 약 10dynes / cm에 대해 모세관 작용법에 의한 것보다 작다는 것을 알 수 있습니다. 물의 표면 장력이 72.8dynes / cm라는 점을 감안할 때 모세관 작용법에서 얻은 결과가 실제 값에 더 가깝다고 생각합니다.

Figure F. 10: simulation results of lubricant 1:1 with 4mm diameter droplet at impact velocity 10cm/s.
Figure F. 10: simulation results of lubricant 1:1 with 4mm diameter droplet at impact velocity 10cm/s.
Figure F. 12: Experimental results of maxξ v.s. TD. We = 27.
Figure F. 12: Experimental results of maxξ v.s. TD. We = 27.
Figure G. 1: Dryoff process of a lubricant droplet at film boiling: (a)- (c) fluid dynamic process, (d). quasi-steady dryoff process.
Figure G. 1: Dryoff process of a lubricant droplet at film boiling: (a)- (c) fluid dynamic process, (d). quasi-steady dryoff process.
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/

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 9: Predicted three-dimensional spreading splats for a 90 µm diameter Nylon-11 droplet.

Effect of Substrate Roughness on Splatting Behavior of HVOF Sprayed Polymer Particles: Modeling and Experiments

International Thermal Spray Conference – ITSC-2006
Seattle, Washington, U.S.A., May 2006

M. Ivosevic, V. Gupta, R. A. Cairncross, T. E. Twardowski, R. Knight,
Drexel University, Philadelphia, Pennsylvania, USA
J. A. Baldoni
Duke University, North Carolina, USA

Abstract

거친 표면에 대한 입자 충격 및 변형의 3 차원 모델이 HVOF 스프레이 폴리머 입자에 대해 개발되었습니다. 유체 흐름 및 입자 변형은 FLOW-3D® 소프트웨어를 사용하는 유체 부피 (VoF) 방법으로 예측되었습니다. 스플래팅(splatting) 및 최종 스플랫 모양(splat shapes)의 역학에 대한 거칠기의 영향은 몇 가지 프로토타입 거친 표면을 사용하여 탐색 되었습니다 (예: 단계와 그루브)

또한 실제 그릿 블라스팅(grit blasted)된 강철 표면의 광학 간섭 측정에 의해 생성된 보다 사실적인 거친 표면의 수치 표현도 모델에 통합되었습니다. 예측된 스플랫 모양을 그릿 블라스팅 된 강철 기판에 증착된 나일론 11 스플랫의 SEM 이미지와 비교했습니다. 거친 기판은 부드러운 기판의 스플래팅 시뮬레이션에서 거의 관찰되지 않는 손가락 및 기타 비대칭 3 차원 불안정성을 생성했습니다.

Introduction

기판 거칠기가 용사 코팅의 접착력과 접착력을 향상 시킨다는 사실은 잘 알려져 있으며 일반적으로 받아 들여지고 있습니다 [1]. 스프레이하기 전에 기판 표면은 일반적으로 알루미나 또는 SiC와 같은 50 – 300 µm 각 세라믹 입자로 그릿 블라스팅으로 거칠게 처리됩니다.

기판 표면에 증착된 초기 스플랫의 형태는 코팅 / 기판 인터페이스의 무결성과 결과 코팅의 접착 강도에 중요한 역할을합니다. 단단하고 불규칙한 표면에 대한 열 스프레이 액적의 충격 및 변형은 액적 표면의 복잡한 대규모 3 차원 변형이 특징입니다.

충돌하는 물방울의 “스플래싱”이 발생하는 경우, 운지법 또는 위성 입자 생성 및 분리 중 새로운 표면 생성은 일반적으로 축 대칭이 아니므로 사실적인 splat 예측을 위해 3 차원 모델이 필요합니다. 이것은 정확한 3 차원 스플래팅 모델의 개발에 많은 수치적 도전을 야기합니다.

Fauchais et al. [2]는 스플랫 형성 과정과 관련하여 발표 된 논문의 대부분 (~ 98 %)이 매끄러운 표면에 대한 정상적인 액적 충격을 설명한다고보고했습니다. 게시된 작업의 2 % 미만은 매끄러운 표면에 대한 비정상적인 입자 영향과 관련이 있으며 ~ 0.1 %만이 거친 기판과 관련됩니다.

여러 저자 [3, 4]는 2 차원 모델을 사용하여 비평면 표면과 물방울의 상호 작용을 연구했거나 평행 그루브가 있는 표면에 대한 3 차원 충격 [5]을 연구했습니다. 그러나 이 접근법의 주요 단점은 거친 표면에 스플래팅의 비축 대칭 측면을 연구합니다.

최근 Raessi et al. [6] 이전에 개발된 VoF 모델 [7]을 확장하여 평평한 기판에 액적 스플래팅을 프로토 타입 거친 표면과 액적 상호 작용으로 확장했습니다. 표면 거칠기는 규칙적으로 정렬 된 정사각형 블록으로 근사화 되었습니다. Feng et al. [8]은 평평한 표면의 마찰 조건에 의해 표면 거칠기가 근사된 3 차원 Lagrangian 유한 요소 모델을 사용했습니다.

이 접근 방식은 소규모 점성 및 축 대칭 자유 표면 흐름과 관련하여 매우 정확할 수 있지만 fingering 생성 또는 satellites 생성 및 breakups 중 새로운 표면 생성과 관련된 물방울이 튀기는 경계 맞춤 기술에 적합하지 않습니다.

또한, 열 분무에 사용되는 그릿 블라스팅 표면의 평균 표면 거칠기 (Ra)는 일반적으로 50μm의 평균 액적 크기에 비해 ~ 5 ~ 30 % (~ 2 ~ 15μm)입니다. 평평한 표면에 간단한 마찰 흐름.

본 연구의 목표는 임의의 거친 기질에 영향을 미치는 HVOF 분무 중합체 입자의 모델을 개발하는 것이다. 매끄럽지 않은 표면에 대한 입자 분할 모델은 표면의 기하학적 불규칙성이 분할 거동과 최종 분할 형태에 어떻게 영향을 미치는지 더 잘 이해할 수 있게 해줄 것입니다.

HVOF 제트에서 미크론 크기의 공급 원료 입자로의 강제 대류는 높은 대류 열 전달 계수 (h ~ 5000 – 17,000 W / (m2 K))를 특징으로 합니다. 이로 인해 입자 표면 온도가 급격히 증가하지만 폴리머 입자의 높은 내부 열 저항 (높은 Bi 수)은 입자 내부가 동일한 속도로 가열되는 것을 방지합니다. 결과적으로 더 큰 (예 : 90 µm 직경) 나일론 11 입자는 기판에 충격을 주기 전에 코어와 표면 사이에 급격한 온도 구배를 나타냅니다 (그림 1) [9, 10, 11].

Figure 1: Temperature of a 90 µm diameter Nylon 11 particle with respect to normalized particle radius (r/R) [10].
Figure 1: Temperature of a 90 µm diameter Nylon 11 particle with respect to normalized particle radius (r/R) [10].
Figure 2: (a) Velocity field within a spreading 90 µm diameter particle; (Left): velocity magnitude, (Right): velocity vectors, (b) example Nylon 11 splat deposited via swipe test onto a room temperature glass slide.
Figure 2: (a) Velocity field within a spreading 90 µm diameter particle; (Left): velocity magnitude, (Right): velocity vectors, (b) example Nylon 11 splat deposited via swipe test onto a room temperature glass slide.

또한 가파른 내부 온도 구배를 가진 HVOF 스프레이 폴리머 입자가 얇은 디스크 중앙에 크고 거의 반구형 인 코어가있는 특징적인 “튀김 달걀”모양으로 퍼졌다고 보고되었습니다 [10]. 이 모양은 저온, 고점도 코어와 고온, 저점도 표면의 유동 특성 간에 큰 방사형 차이가 있음을 나타냅니다.

변형된 입자의 예측 된 모양 (그림 2a)은 유리 슬라이드에 증착된 실험적으로 관찰 된 스플랫과 좋은 질적 일치를 나타 냈습니다 (그림 2b). 액적의 오른쪽에 표시된 속도 장 벡터 (그림 2a)는 저점도 “피부”가 고점도 코어 주위를 흐르면서 특징적인 “튀김 달걀” splat 모양이 형성되었음을 나타냅니다.

이 작업에서 보고된 실험 중에 사용된 HVOF 스프레이 매개 변수는 나일론 11을 증착하는데 사용할 수 있는 일반적인 HVOF 스프레이 매개 변수를 나타냅니다. 그러나 실험 기준 매개 변수를 중심으로 개발된 수치 모델은 개별 스플랫의 흐름 거동을 더 잘 이해하는 데 사용할 수 있습니다. 증착 효율 향상을 위한 공정 최적화를 지원합니다.

Figure 3: Boundary conditions, initial conditions and crosssection of a typical mesh used in Flow-3D
Figure 3: Boundary conditions, initial conditions and crosssection of a typical mesh used in Flow-3D
Figure 5: Cross section of four steel substrates: (a) polished with ~1 Pm alumina suspension, (b) grit blasted with #120 grit, (c) grit blasted with #50 grit, (d) grit blasted with #12 grit. Top image shows optical interferometry scan of # 120 grit blasted surface.
Figure 5: Cross section of four steel substrates: (a) polished with ~1 Pm alumina suspension, (b) grit blasted with #120 grit, (c) grit blasted with #50 grit, (d) grit blasted with #12 grit. Top image shows optical interferometry scan of # 120 grit blasted surface.
Figure 6: Nylon-11 splats deposited during a single run over steel substrates with roughnesses as per Figure 5.
Figure 6: Nylon-11 splats deposited during a single run over steel substrates with roughnesses as per Figure 5.
Figure 7: Nylon-11 splat on a grit blasted steel substrate, (a) close up of a peripheral splat finger.
Figure 7: Nylon-11 splat on a grit blasted steel substrate, (a) close up of a peripheral splat finger.
Figure 8: Cross-sections of predicted three-dimensional spreading splats for a 90 µm diameter Nylon-11 particle on four different surface roughnesses (dimensionless time t* = t/(D/v o (p))).
Figure 8: Cross-sections of predicted three-dimensional spreading splats for a 90 µm diameter Nylon-11 particle on four different surface roughnesses (dimensionless time t* = t/(D/v o (p))).
Figure 9: Predicted three-dimensional spreading splats for a 90 µm diameter Nylon-11 droplet.
Figure 9: Predicted three-dimensional spreading splats for a 90 µm diameter Nylon-11 droplet.

중략…….

References

  1. Davis, J. R., (Ed.) et al, Handbook of Thermal Spray Technology, ASM International®, 1st Ed., Materials Park,
    OH, (2004).
  2. Fauchais, P., Fukomoto, M., Vardelle, A. and Vardelle, M., Knowledge Concerning Splat Formation: An Invited
    Review, Journal of Thermal Spray Technology, 13 (3), pp. 337 – 360, (2004).
  3. Liu, H., Lavernia, E. J. and Rangel, R. H., Modeling of Molten Droplet Impingement on a Non-flat Surface, Acta
    Metall. Mater, 43(5), pp. 2053 – 2072, (1995).
  4. Sobolev, V. V., Guilemany, J. M. and Martin, A. J., Influence of Surface Roughness on the Flattening of
    Powder Particles during Thermal Spraying, Journal of Thermal Spray Technology 5(2), pp. 207 – 214, (1996).
    5 Patanker, N. A. and Chen, Y., Numerical Simulation of Droplet Shapes on Rough Surfaces, Proc. Int. Conference
    on Modeling and Simulations of Microsystems – MSM 2002, pp. 116 – 119, (2002)
    6 Raessi, M., Mostaghimi, J. and Bussmann, M., “Droplet Impact during the Plasma Spray Coating Process-Effect of
    Surface Roughness on Splat Shapes,” Proc. 17th Int. Symposium on Plasma Chemistry – ISPC 17, Toronto,
    Canada, (2005)
    7 Pasandideh-Fard, M., Chandra, S. and Mostaghimi, J., A Three-dimensional Model of Droplet Impact and
    Solidification, Int. J. Heat and Mass Transfer, 45, pp. 2229 – 2242, (2002).
    8 Feng, Z. G., Domaszewski, M., Montavon, G. and Coddet, C., Finite Element Analysis of Effect of Substrate Surface
    Roughness on Liquid Droplet Impact and Flattening Process, J. of Thermal Spray Technology, 11(1), pp. 62-68,
    (2002).
    9 Petrovicova, E., “Structure and Properties of Polymer Nanocomposite Coatings Applied by the HVOF Process,”
    Ph.D. Dissertation, Drexel University, (1999).
    10 Ivosevic, M., Cairncross, R. A., Knight, R., Impact Modeling of Thermally Sprayed Polymer Particles, Proc.
    ITSC-2005 International Thermal Spray Conference, DVS/IIW/ASM-TSS, Basel, Switzerland, (2005).
    11 Bao, Y., Gawne, D. T. and Zhang, T., The Effect of Feedstock Particle Size on the Heat transfer Rates and
    Properties of Thermally Sprayed Polymer Coatings, Trans. I. M. F., 73(4), pp 119 – 124, (1998).
    12 Ivosevic, M., Cairncross, R. A. and Knight, R., “Heating and Impact Modeling of HVOF Sprayed Polymer
    Particles,” Proc. 2004 International Thermal Spray Conference (ITSC-2004), DVS/IIW/ASM-TSS, Osaka,
    Japan, (2004).
    13 Hirt, C. W. and Nichols, B. D., Volume of Fluid (VoF) Method for the Dynamics of Free Boundaries, Journal of
    Computational Physics, 39, pp. 201 – 225, (1981).

Simulation of EPS foam decomposition in the lost foam casting process

X.J. Liu a,∗, S.H. Bhavnani b,1, R.A. Overfelt c,2
a United States Steel Corporation, Great Lakes Works, #1 Quality Drive, Ecorse, MI 48229, United States b 213 Ross Hall, Department of Mechanical Engineering, Auburn University, Auburn, AL 36849-5341, United States c 202 Ross Hall, Department of Mechanical Engineering, Materials Engineering Program, Auburn University, Auburn, AL 36849-5341, United States
Received 17 April 2006; received in revised form 14 July 2006; accepted 21 August 2006

Keywords: Lost foam casting; Heat transfer coefficient; Gas pressure; VOF-FAVOR

LFC (Loss Foam Casting) 공정에서 부드러운 몰드 충진의 중요성은 오랫동안 인식되어 왔습니다. 충진 공정이 균일할수록 생산되는 주조 제품의 품질이 향상됩니다. 성공적인 컴퓨터 시뮬레이션은 금형 충전 공정에서 복잡한 메커니즘과 다양한 공정 매개 변수의 상호 작용을 더 잘 이해함으로써 새로운 주조 제품 설계의 시도 횟수를 줄이고 리드 타임을 줄이는데 도움이 될 수 있습니다.

이 연구에서는 용융 알루미늄의 유체 흐름과 금속과 발포 폴리스티렌 (EPS) 폼 패턴 사이의 계면 갭에 관련된 열 전달을 시뮬레이션하기 위해 전산 유체 역학 (CFD) 모델이 개발되었습니다.

상업용 코드 FLOW-3D는 VOF (Volume of Fluid) 방법으로 용융 금속의 전면을 추적 할 수 있고 FAVOR (Fractional Area / Volume Ratios) 방법으로 복잡한 부품을 모델링 할 수 있기 때문에 사용되었습니다. 이 코드는 폼 열화 및 코팅 투과성과 관련된 기체 갭 압력을 기반으로 다양한 계면 열 전달 계수 (VHTC)의 효과를 포함하도록 수정되었습니다.

수정은 실험 연구에 대해 검증되었으며 비교는 FLOW-3D의 기본 상수 열 전달 (CHTC) 모델보다 더 나은 일치를 보여주었습니다. 금속 전면 온도는 VHTC 모델에 의해 실험적 불확실성 내에서 예측되었습니다. 몰드 충전 패턴과 1-4 초의 충전 시간 차이는 여러 형상에 대해 CHTC 모델보다 VHTC 모델에 의해 더 정확하게 포착되었습니다. 이 연구는 전통적으로 매우 경험적인 분야에서 중요한 프로세스 및 설계 변수의 효과에 대한 추가 통찰력을 제공했습니다.

지난 20 년 동안 LFC (Loss Foam Casting) 공정은 코어가 필요없는 복잡한 부품을 제조하기 위해 널리 채택되었습니다. 이는 자동차 제조업체가 현재 LFC 기술을 사용하여 광범위한 엔진 블록과 실린더 헤드를 생산하기 때문에 알루미늄 주조 산업에서 특히 그렇습니다.

기본 절차, 적용 및 장점은 [1]에서 찾을 수 있습니다. LFC 프로세스는 주로 숙련 된 실무자의 경험적 지식을 기반으로 개발되었습니다. 발포 폴리스티렌 (EPS) 발포 분해의 수치 모델링은 최근에야 설계 및 공정 변수를 최적화하는 데 유용한 통찰력을 제공 할 수있는 지점에 도달했습니다. LFC 공정에서 원하는 모양의 발포 폴리스티렌 폼 패턴을 적절한 게이팅 시스템이있는 모래 주형에 배치합니다.

폼 패턴은 용융 금속 전면이 패턴으로 진행될 때 붕괴, 용융, 기화 및 열화를 겪습니다. 전진하는 금속 전면과 후퇴하는 폼 패턴 사이의 간격 인 운동 영역은 Warner et al. [2] LFC 프로세스를 모델링합니다. 금형 충진 과정에서 분해 산물은 운동 영역에서 코팅층을 통해 모래로 빠져 나갑니다.

용융 금속과 폼 패턴 사이의 복잡한 반응은 LFC 공정의 시뮬레이션을 극도로 어렵게 만듭니다. SOLA-VOF (SOLution AlgorithmVolume of Fluid) 방법이 Hirt와 Nichols [3]에 의해 처음 공식화 되었기 때문에 빈 금형을 사용한 전통적인 모래 주조 시뮬레이션은 광범위하게 연구되었습니다.

Lost foam 주조 공정은 기존의 모래 주조와 많은 특성을 공유하기 때문에이 새로운 공정을 모델링하는 데 적용된 이론과 기술은 대부분 기존의 모래 주조를 위해 개발 된 시뮬레이션 방법에서 비롯되었습니다. 패턴 분해 속도가 금속성 헤드와 금속 전면 온도의 선형 함수라고 가정함으로써 Wang et al. [4]는 기존의 모래 주조의 기존 컴퓨터 프로그램을 기반으로 복잡한 3D 형상에서 Lost foam 주조 공정을 시뮬레이션했습니다.

Liu et al. [5]는 금속 앞쪽 속도를 예측하기 위한 간단한 1D 수학적 모델과 함께 운동 영역의 배압을 포함했습니다. Mirbagheri et al. [6]은 SOLA-VOF 기술을 기반으로 금속 전면의 자유 표면에 대한 압력 보정 방식을 사용하는 Foam 열화 모델을 개발했습니다.

Kuo et al.에 의해 유사한 배압 방식이 채택되었습니다. [7] 운동량 방정식에서이 힘의 값은 실험 결과에 따라 패턴의 충전 순서를 연구하기 위해 조정되었습니다.

이러한 시뮬레이션의 대부분은 LFC 공정의 충전 속도가 기존의 모래 주조 공정보다 훨씬 느린 것으로 성공적으로 예측합니다. 그러나 Foam 분해의 역할은 대부분 모델의 일부가 아니며 시뮬레이션을 수행하려면 실험 데이터 또는 경험적 함수가 필요합니다.

현재 연구는 일정한 열전달 계수 (CHTC)를 사용하는 상용 코드 FLOW-3D의 기본 LFC 모델을 수정하여 Foam 열화와 관련된 기체 갭 압력에 따라 다양한 열전달 계수 (VHTC)의 영향을 포함합니다. 코팅 투과성. 수정은 여러 공정 변수에 대한 실험 연구에 대해 검증되었습니다.

또한, 손실 된 폼 주조에서 가장 중요한 문제인 결함 형성은 문헌에서 인용 된 수치 작업에서 모델링되지 않았습니다. 접힘, 내부 기공 및 표면 기포와 같은 열분해 결함은 LFC 작업에서 많은 양의 스크랩을 설명합니다. FLOW-3D의 결함 예측 기능은 프로세스를 이해하고 최적화하는데 매우 중요합니다.

Fig. 7. Comparison of mold filling times for a plate pattern with three ingates: (a) measured values by thermometric technique [18]; (b) predicted filling times based on basic CHTC model with gravity effect; and (c) predicted filing times based on the VHTC model with heat transfer coefficient changing with gas pressure; (d) mold filling time at the right-and wall of the mold for the plate pattern with three ingates.
Fig. 7. Comparison of mold filling times for a plate pattern with three ingates: (a) measured values by thermometric technique [18]; (b) predicted filling times based on basic CHTC model with gravity effect; and (c) predicted filing times based on the VHTC model with heat transfer coefficient changing with gas pressure; (d) mold filling time at the right-and wall of the mold for the plate pattern with three ingates.
Fig. 10. Defects formation predicted by (a) basic CHTC model with gravity effect; (b) VHTC model with heat transfer coefficient based on both gas pressure and coating thickness; and (c) improved model for two ingates. Color represents probability for defects (blue is the lowest and red highest).
Fig. 10. Defects formation predicted by (a) basic CHTC model with gravity effect; (b) VHTC model with heat transfer coefficient based on both gas pressure and coating thickness; and (c) improved model for two ingates. Color represents probability for defects (blue is the lowest and red highest).

References

[1] S. Shivkumar, L. Wang, D. Apelian, The lost-foam casting of aluminum alloy components, JOM 42 (11) (1990) 38–44.
[2] M.H. Warner, B.A. Miller, H.E. Littleton, Pattern pyrolysis defect reduction in lost foam castings, AFS Trans. 106 (1998) 777–785.
[3] C.W. Hirt, B.D. Nichols, Volume of Fluid (VOF) method for the dynamics of free boundaries, J. Comp. Phys. 39 (1) (1981) 201–225.
[4] C. Wang, A.J. Paul, W.W. Fincher, O.J. Huey, Computational analysis of fluid flow and heat transfer during the EPC process, AFS Trans. 101 (1993) 897–904.
[5] Y. Liu, S.I. Bakhtiyarov, R.A. Overfelt, Numerical modeling and experimental verification of mold filling and evolved gas pressure in lost foam casting process, J. Mater. Sci. 37 (14) (2002) 2997–3003.
[6] S.M.H. Mirbagheri, H. Esmaeileian, S. Serajzadeh, N. Varahram, P. Davami, Simulation of melt flow in coated mould cavity in the lost foam casting process, J. Mater. Process. Technol. 142 (2003) 493–507.
[7] J.-H. Kuo, J.-C. Chen, Y.-N. Pan, W.-S. Hwang, Mold filling analysis in lost foam casting process for aluminum alloys and its experimental validation, Mater. Trans. 44 (10) (2003) 2169–2174.
[8] C.W. Hirt, Flow-3D User’s Manual, Flow Science Inc., 2005.
[9] E.S. Duff, Fluid flow aspects of solidification modeling: simulation of low pressure die casting, The University of Queensland, Ph.D. Thesis, 1999.
[10] X.J. Liu, S.H. Bhavnani, R.A. Overfelt, The effects of foam density and metal velocity on the heat and mass transfer in the lost foam casting process, in: Proceedings of the ASME Summer Heat Transfer Conference, 2003,
pp. 317–323.
[11] W. Sun, P. Scarber Jr., H. Littleton, Validation and improvement of computer modeling of the lost foam casting process via real time X-ray technology, in: Multiphase Phenomena and CFD Modeling and Simulation in
Materials Processes, Minerals, Metals and Materials Society, 2004, pp. 245–251.
[12] T.V. Molibog, Modeling of metal/pattern replacement in the lost foam casting process, Materials Engineering, University of Alabama, Birmingham, Ph.D. Thesis, 2002.
[13] X.J. Liu, S.H. Bhavnani, R.A. Overfelt, Measurement of kinetic zone temperature and heat transfer coefficient in the lost foam casting process, ASME Int. Mech. Eng. Congr. (2004) 411–418.
[14] X. Yao, An experimental analysis of casting formation in the expendable
pattern casting (EPC) process, Department of Materials Science and Engineering, Worcester Polytechnic Institute, M.S. Thesis, 1994.
[15] M.R. Barkhudarov, C.W. Hirt, Tracking defects, Die Casting Engineer 43 (1) (1999) 44–52.
[16] C.W. Hirt, Modeling the Lost Foam Process with Defect PredictionsProgress Report: Lost-Foam Model Extensions, Wicking, Flow Science Inc., 1999.
[17] D. Wang, Thermophysical Properties, Solidification Design Center, Auburn University, 2001.
[18] S. Shivkumar, B. Gallois, Physico-chemical aspects of the full mold casting of aluminum alloys, part II: metal flow in simple patterns, AFS Trans. 95 (1987) 801–812.

Figure 1.1: A water droplet with a radius of 1 mm resting on a glass substrate. The surface of the droplet takes on a spherical cap shape. The contact angle θ is defined by the balance of the interfacial forces.

Effect of substrate cooling and droplet shape and composition on the droplet evaporation and the deposition of particles

기판 냉각 및 액적 모양 및 조성이 액적 증발 및 입자 증착에 미치는 영향

by Vahid Bazargan
M.A.Sc., Mechanical Engineering, The University of British Columbia, 2008
B.Sc., Mechanical Engineering, Sharif University of Technology, 2006
B.Sc., Chemical & Petroleum Engineering, Sharif University of Technology, 2006

고착 방울은 평평한 기판에 놓인 액체 방울입니다. 작은 고정 액적이 증발하는 동안 액적의 접촉선은 고정된 접촉 영역이 있는 고정된 단계와 고정된 접촉각이 있는 고정 해제된 단계의 두 가지 단계를 거칩니다. 고정된 접촉 라인이 있는 증발은 액적 내부에서 접촉 라인을 향한 흐름을 생성합니다.

이 흐름은 입자를 운반하고 접촉 선 근처에 침전시킵니다. 이로 인해 일반적으로 관찰되는 “커피 링”현상이 발생합니다. 이 논문은 증발 과정과 고착성 액적의 증발 유도 흐름에 대한 연구를 제공하고 콜로이드 현탁액에서 입자의 침착에 대한 통찰력을 제공합니다. 여기서 우리는 먼저 작은 고착 방울의 증발을 연구하고 증발 과정에서 기판의 열전도도의 중요성에 대해 논의합니다.

현재 증발 모델이 500µm 미만의 액적 크기에 대해 심각한 오류를 생성하는 방법을 보여줍니다. 우리의 모델에는 열 효과가 포함되어 있으며, 특히 증발 잠열의 균형을 맞추기 위해 액적에 열을 제공하는 기판의 열전도도를 포함합니다. 실험 결과를 바탕으로 접촉각의 진화와 관련된 접촉 선의 가상 움직임을 정의하여 고정 및 고정 해제 단계의 전체 증발 시간을 고려합니다.

우리의 모델은 2 % 미만의 오차로 500 µm보다 작은 물방울에 대한 실험 결과와 일치합니다. 또한 유한한 크기의 라인 액적의 증발을 연구하고 증발 중 접촉 라인의 복잡한 동작에 대해 논의합니다. 에너지 공식을 적용하고 접촉 선이 구형 방울의 후퇴 접촉각보다 높은 접촉각을 가진 선 방울의 두 끝에서 후퇴하기 시작 함을 보여줍니다. 그리고 라인 방울 내부의 증발 유도 흐름을 보여줍니다.

마지막으로, 계면 활성제 존재 하에서 접촉 라인의 거동을 논의하고 입자 증착에 대한 Marangoni 흐름 효과에 대해 논의합니다. 열 Marangoni 효과는 접촉 선 근처에 증착 된 입자의 양에 영향을 미치며, 기판 온도가 낮을수록 접촉 선 근처에 증착되는 입자의 양이 많다는 것을 알 수 있습니다.

Figure 1.1: A water droplet with a radius of 1 mm resting on a glass substrate. The surface of the droplet takes on a spherical cap shape. The contact angle θ is defined by the balance of the interfacial forces.
Figure 1.1: A water droplet with a radius of 1 mm resting on a glass substrate. The surface of the droplet takes on a spherical cap shape. The contact angle θ is defined by the balance of the interfacial forces.
Figure 2.1: Evaporation modes of sessile droplets on a substrate: (a) evaporation at constant contact angle (de-pinned stage) and (b) evaporation at constant contact area (pinned stage)
Figure 2.1: Evaporation modes of sessile droplets on a substrate: (a) evaporation at constant contact angle (de-pinned stage) and (b) evaporation at constant contact area (pinned stage)
Figure 2.2: A sessil droplet with its image can be profiled as the equiconvex lens formed by two intersecting spheres with radius of a.
Figure 2.2: A sessil droplet with its image can be profiled as the equiconvex lens formed by two intersecting spheres with radius of a.
Figure 2.3: The droplet life time for both evaporation modes derived from Equation 2.2.
Figure 2.3: The droplet life time for both evaporation modes derived from Equation 2.2.
Figure 2.4: A probability of escape for vapor molecules at two different sites of the surface of the droplet for diffusion controlled evaporation. The random walk path initiated from a vapor molecule is more likely to result in a return to the surface if the starting point is further away from the edge of the droplet.
Figure 2.4: A probability of escape for vapor molecules at two different sites of the surface of the droplet for diffusion controlled evaporation. The random walk path initiated from a vapor molecule is more likely to result in a return to the surface if the starting point is further away from the edge of the droplet.
Figure 2.5: Schematic of the sessile droplet on a substrate
Figure 2.5: Schematic of the sessile droplet on a substrate. The evaporation rate at the surface of the droplet is enhanced toward the edge of the droplet.
Figure 2.6: The domain mesh (a) and the solution of the Laplace equation for diffusion of the water vapor molecule with the concentration of Cv = 1.9×10−8 g/mm3 at the surface of the droplet into the ambient air with the relative humidity of 55%, i.e. φ = 0.55 (b).
Figure 2.6: The domain mesh (a) and the solution of the Laplace equation for diffusion of the water vapor molecule with the concentration of Cv = 1.9×10−8 g/mm3 at the surface of the droplet into the ambient air with the relative humidity of 55%, i.e. φ = 0.55 (b).
Figure 3.1: The portable micro printing setup. A motorized linear stage from Zaber Technologies Inc. was used to control the place and speed of the micro nozzle.
Figure 3.1: The portable micro printing setup. A motorized linear stage from Zaber Technologies Inc. was used to control the place and speed of the micro nozzle.
Figure 4.6: Temperature contours inside the substrate adjacent to the droplet
Figure 4.6: Temperature contours inside the substrate adjacent to the droplet
Figure 4.7: The effect of substrate cooling on the evaporation rate, the basic model shows the same value for all substrates.
Figure 4.7: The effect of substrate cooling on the evaporation rate, the basic model shows the same value for all substrates.

Bibliography

[1] R. G. Picknett and R. Bexon, “The evaporation of sessile or pendant drops in still air,” Journal of Colloid and Interface Science, vol. 61, pp. 336–350, Sept. 1977. → pages viii, 8, 9, 18, 42
[2] H. Y. Erbil, “Evaporation of pure liquid sessile and spherical suspended drops: A review,” Advances in Colloid and Interface Science, vol. 170, pp. 67–86, Jan. 2012. → pages 1
[3] R. Sharma, C. Y. Lee, J. H. Choi, K. Chen, and M. S. Strano, “Nanometer positioning, parallel alignment, and placement of single anisotropic nanoparticles using hydrodynamic forces in cylindrical droplets,” Nano Lett., vol. 7, no. 9, pp. 2693–2700, 2007. → pages 1, 54, 71
[4] S. Tokonami, H. Shiigi, and T. Nagaoka, “Review: Micro- and nanosized molecularly imprinted polymers for high-throughput analytical applications,” Analytica Chimica Acta, vol. 641, pp. 7–13, May 2009. →pages 71
[5] A. A. Sagade and R. Sharma, “Copper sulphide (CuxS) as an ammonia gas sensor working at room temperature,” Sensors and Actuators B: Chemical, vol. 133, pp. 135–143, July 2008. → pages
[6] W. R. Small, C. D. Walton, J. Loos, and M. in het Panhuis, “Carbon nanotube network formation from evaporating sessile drops,” The Journal of Physical Chemistry B, vol. 110, pp. 13029–13036, July 2006. → pages 71
[7] S. H. Ko, H. Lee, and K. H. Kang, “Hydrodynamic flows in electrowetting,” Langmuir, vol. 24, pp. 1094–1101, Feb. 2008. → pages 42
[8] T. T. Nellimoottil, P. N. Rao, S. S. Ghosh, and A. Chattopadhyay, “Evaporation-induced patterns from droplets containing motile and nonmotile bacteria,” Langmuir, vol. 23, pp. 8655–8658, Aug. 2007. → pages 1
[9] R. Sharma and M. S. Strano, “Centerline placement and alignment of anisotropic nanotubes in high aspect ratio cylindrical droplets of nanometer diameter,” Advanced Materials, vol. 21, no. 1, p. 6065, 2009. → pages 1, 54, 71
[10] V. Dugas, J. Broutin, and E. Souteyrand, “Droplet evaporation study applied to DNA chip manufacturing,” Langmuir, vol. 21, pp. 9130–9136, Sept. → pages 2, 71
[11] Y.-C. Hu, Q. Zhou, Y.-F. Wang, Y.-Y. Song, and L.-S. Cui, “Formation mechanism of micro-flows in aqueous poly(ethylene oxide) droplets on a substrate at different temperatures,” Petroleum Science, vol. 10, pp. 262–268, June 2013. → pages 2, 34, 54
[12] T.-S. Wong, T.-H. Chen, X. Shen, and C.-M. Ho, “Nanochromatography driven by the coffee ring effect,” Analytical Chemistry, vol. 83, pp. 1871–1873, Mar. 2011. → pages 71
[13] J.-H. Kim, S.-B. Park, J. H. Kim, and W.-C. Zin, “Polymer transports inside evaporating water droplets at various substrate temperatures,” The Journal of Physical Chemistry C, vol. 115, pp. 15375–15383, Aug. 2011. → pages 54
[14] S. Choi, S. Stassi, A. P. Pisano, and T. I. Zohdi, “Coffee-ring effect-based three dimensional patterning of Micro/Nanoparticle assembly with a single droplet,” Langmuir, vol. 26, pp. 11690–11698, July 2010. → pages
[15] D. Wang, S. Liu, B. J. Trummer, C. Deng, and A. Wang, “Carbohydrate microarrays for the recognition of cross-reactive molecular markers of microbes and host cells,” Nature biotechnology, vol. 20, pp. 275–281, Mar. PMID: 11875429. → pages 2, 54, 71
[16] H. K. Cammenga, “Evaporation mechanisms of liquids,” Current topics in materials science, vol. 5, pp. 335–446, 1980. → pages 3
[17] C. Snow, “Potential problems and capacitance for a conductor bounded by two intersecting spheres,” Journal of Research of the National Bureau of Standards, vol. 43, p. 337, 1949. → pages 9
[18] R. D. Deegan, O. Bakajin, T. F. Dupont, G. Huber, S. R. Nagel, and T. A. Witten, “Contact line deposits in an evaporating drop,” Physical Review E, vol. 62, p. 756, July 2000. → pages 10, 14, 18, 27, 53, 54, 71, 84
[19] H. Hu and R. G. Larson, “Evaporation of a sessile droplet on a substrate,” The Journal of Physical Chemistry B, vol. 106, pp. 1334–1344, Feb. 2002. → pages 12, 18, 29, 43, 44, 48, 49, 53, 61, 71, 84
[20] Y. O. Popov, “Evaporative deposition patterns: Spatial dimensions of the deposit,” Physical Review E, vol. 71, p. 036313, Mar. 2005. → pages 14, 27, 43, 44, 45, 54
[21] H. Gelderblom, A. G. Marin, H. Nair, A. van Houselt, L. Lefferts, J. H. Snoeijer, and D. Lohse, “How water droplets evaporate on a superhydrophobic substrate,” Physical Review E, vol. 83, no. 2, p. 026306,→ pages
[22] F. Girard, M. Antoni, S. Faure, and A. Steinchen, “Influence of heating temperature and relative humidity in the evaporation of pinned droplets,” Colloids and Surfaces A: Physicochemical and Engineering Aspects, vol. 323, pp. 36–49, June 2008. → pages 18
[23] Y. Y. Tarasevich, “Simple analytical model of capillary flow in an evaporating sessile drop,” Physical Review E, vol. 71, p. 027301, Feb. 2005. → pages 19, 54, 62, 72
[24] A. J. Petsi and V. N. Burganos, “Potential flow inside an evaporating cylindrical line,” Physical Review E, vol. 72, p. 047301, Oct. 2005. → pages 22, 55, 62, 68, 71
[25] A. J. Petsi and V. N. Burganos, “Evaporation-induced flow in an inviscid liquid line at any contact angle,” Physical Review E, vol. 73, p. 041201, Apr.→ pages 23, 53, 55, 72
[26] H. Masoud and J. D. Felske, “Analytical solution for stokes flow inside an evaporating sessile drop: Spherical and cylindrical cap shapes,” Physics of Fluids, vol. 21, pp. 042102–042102–11, Apr. 2009. → pages 23, 55, 62, 71, 72
[27] H. Hu and R. G. Larson, “Analysis of the effects of marangoni stresses on the microflow in an evaporating sessile droplet,” Langmuir, vol. 21, pp. 3972–3980, Apr. 2005. → pages 24, 28, 53, 54, 56, 62, 68, 71, 72, 74, 84
[28] R. Bhardwaj, X. Fang, and D. Attinger, “Pattern formation during the evaporation of a colloidal nanoliter drop: a numerical and experimental study,” New Journal of Physics, vol. 11, p. 075020, July 2009. → pages 28
[29] A. Petsi, A. Kalarakis, and V. Burganos, “Deposition of brownian particles during evaporation of two-dimensional sessile droplets,” Chemical Engineering Science, vol. 65, pp. 2978–2989, May 2010. → pages 28
[30] J. Park and J. Moon, “Control of colloidal particle deposit patterns within picoliter droplets ejected by ink-jet printing,” Langmuir, vol. 22, pp. 3506–3513, Apr. 2006. → pages 28
[31] H. Hu and R. G. Larson, “Marangoni effect reverses coffee-ring depositions,” The Journal of Physical Chemistry B, vol. 110, pp. 7090–7094, Apr. 2006. → pages 29, 74
[32] K. H. Kang, S. J. Lee, C. M. Lee, and I. S. Kang, “Quantitative visualization of flow inside an evaporating droplet using the ray tracing method,” Measurement Science and Technology, vol. 15, pp. 1104–1112, June 2004. → pages 34
[33] S. T. Beyer and K. Walus, “Controlled orientation and alignment in films of single-walled carbon nanotubes using inkjet printing,” Langmuir, vol. 28, pp. 8753–8759, June 2012. → pages 42, 71
[34] G. McHale, “Surface free energy and microarray deposition technology,” Analyst, vol. 132, pp. 192–195, Feb. 2007. → pages 42
[35] R. Bhardwaj, X. Fang, P. Somasundaran, and D. Attinger, “Self-assembly of colloidal particles from evaporating droplets: Role of DLVO interactions and proposition of a phase diagram,” Langmuir, vol. 26, pp. 7833–7842, June→ pages 42
[36] G. J. Dunn, S. K. Wilson, B. R. Duffy, S. David, and K. Sefiane, “The strong influence of substrate conductivity on droplet evaporation,” Journal of Fluid Mechanics, vol. 623, no. 1, p. 329351, 2009. → pages 44
[37] M. S. Plesset and A. Prosperetti, “Flow of vapour in a liquid enclosure,” Journal of Fluid Mechanics, vol. 78, pp. 433–444, 1976. → pages 44
[38] S. Das, P. R. Waghmare, M. Fan, N. S. K. Gunda, S. S. Roy, and S. K. Mitra, “Dynamics of liquid droplets in an evaporating drop: liquid droplet coffee stain? effect,” RSC Advances, vol. 2, pp. 8390–8401, Aug. 2012. → pages 53
[39] B. J. Fischer, “Particle convection in an evaporating colloidal droplet,” Langmuir, vol. 18, pp. 60–67, Jan. 2002. → pages 54
[40] J. L. Wilbur, A. Kumar, H. A. Biebuyck, E. Kim, and G. M. Whitesides, “Microcontact printing of self-assembled monolayers: applications in microfabrication,” Nanotechnology, vol. 7, p. 452, Dec. 1996. → pages 54
[41] T. Kawase, H. Sirringhaus, R. H. Friend, and T. Shimoda, “Inkjet printed via-hole interconnections and resistors for all-polymer transistor circuits,” Advanced Materials, vol. 13, no. 21, p. 16011605, 2001. → pages 71
[42] B.-J. de Gans, P. C. Duineveld, and U. S. Schubert, “Inkjet printing of polymers: State of the art and future developments,” Advanced Materials, vol. 16, no. 3, p. 203213, 2004. → pages 71
[43] H. Sirringhaus, T. Kawase, R. H. Friend, T. Shimoda, M. Inbasekaran, W. Wu, and E. P. Woo, “High-resolution inkjet printing of all-polymer transistor circuits,” Science, vol. 290, pp. 2123–2126, Dec. 2000. PMID:→ pages
[44] D. Soltman and V. Subramanian, “Inkjet-printed line morphologies and temperature control of the coffee ring effect,” Langmuir, vol. 24, pp. 2224–2231, Mar. 2008. → pages 54
[45] R. Tadmor and P. S. Yadav, “As-placed contact angles for sessile drops,” Journal of Colloid and Interface Science, vol. 317, pp. 241–246, Jan. 2008. → pages 56
[46] J. Drelich, “The significance and magnitude of the line tension in three-phase (solid-liquid-fluid) systems,” Colloids and Surfaces A: Physicochemical and Engineering Aspects, vol. 116, pp. 43–54, Sept. 1996. → pages 56
[47] R. Tadmor, “Line energy, line tension and drop size,” Surface Science, vol. 602, pp. L108–L111, July 2008. → pages 69
[48] C.-H. Choi and C.-J. C. Kim, “Droplet evaporation of pure water and protein solution on nanostructured superhydrophobic surfaces of varying heights,” Langmuir, vol. 25, pp. 7561–7567, July 2009. → pages 71
[49] K. F. Baughman, R. M. Maier, T. A. Norris, B. M. Beam, A. Mudalige, J. E. Pemberton, and J. E. Curry, “Evaporative deposition patterns of bacteria from a sessile drop: Effect of changes in surface wettability due to exposure to a laboratory atmosphere,” Langmuir, vol. 26, pp. 7293–7298, May 2010.
[50] D. Brutin, B. Sobac, and C. Nicloux, “Influence of substrate nature on the evaporation of a sessile drop of blood,” Journal of Heat Transfer, vol. 134, pp. 061101–061101, May 2012. → pages 71
[51] D. Pech, M. Brunet, P.-L. Taberna, P. Simon, N. Fabre, F. Mesnilgrente, V. Condra, and H. Durou, “Elaboration of a microstructured inkjet-printed carbon electrochemical capacitor,” Journal of Power Sources, vol. 195, pp. 1266–1269, Feb. 2010. → pages 71
[52] J. Bachmann, A. Ellies, and K. Hartge, “Development and application of a new sessile drop contact angle method to assess soil water repellency,” Journal of Hydrology, vol. 231232, pp. 66–75, May 2000. → pages 71
[53] H. Y. Erbil, G. McHale, and M. I. Newton, “Drop evaporation on solid surfaces: constant contact angle mode,” Langmuir, vol. 18, no. 7, pp. 2636–2641, 2002. → pages
[54] X. Fang, B. Li, J. C. Sokolov, M. H. Rafailovich, and D. Gewaily, “Hildebrand solubility parameters measurement via sessile drops evaporation,” Applied Physics Letters, vol. 87, pp. 094103–094103–3, Aug.→ pages
[55] Y. C. Jung and B. Bhushan, “Wetting behaviour during evaporation and condensation of water microdroplets on superhydrophobic patterned surfaces,” Journal of Microscopy, vol. 229, no. 1, p. 127140, 2008. → pages 71
[56] J. Drelich, J. D. Miller, and R. J. Good, “The effect of drop (bubble) size on advancing and receding contact angles for heterogeneous and rough solid surfaces as observed with sessile-drop and captive-bubble techniques,”
Journal of Colloid and Interface Science, vol. 179, pp. 37–50, Apr. 1996. →pages 72, 75
[57] D. Bargeman and F. Van Voorst Vader, “Effect of surfactants on contact angles at nonpolar solids,” Journal of Colloid and Interface Science, vol. 42, pp. 467–472, Mar. 1973. → pages 73
[58] J. Menezes, J. Yan, and M. Sharma, “The mechanism of alteration of macroscopic contact angles by the adsorption of surfactants,” Colloids and Surfaces, vol. 38, no. 2, pp. 365–390, 1989. → pages
[59] T. Okubo, “Surface tension of structured colloidal suspensions of polystyrene and silica spheres at the air-water interface,” Journal of Colloid and Interface Science, vol. 171, pp. 55–62, Apr. 1995. → pages 73, 76
[60] R. Pyter, G. Zografi, and P. Mukerjee, “Wetting of solids by surface-active agents: The effects of unequal adsorption to vapor-liquid and solid-liquid interfaces,” Journal of Colloid and Interface Science, vol. 89, pp. 144–153, Sept. 1982. → pages 73
[61] T. Mitsui, S. Nakamura, F. Harusawa, and Y. Machida, “Changes in the interfacial tension with temperature and their effects on the particle size and stability of emulsions,” Kolloid-Zeitschrift und Zeitschrift fr Polymere, vol. 250, pp. 227–230, Mar. 1972. → pages 73
[62] S. Phongikaroon, R. Hoffmaster, K. P. Judd, G. B. Smith, and R. A. Handler, “Effect of temperature on the surface tension of soluble and insoluble surfactants of hydrodynamical importance,” Journal of Chemical & Engineering Data, vol. 50, pp. 1602–1607, Sept. 2005. → pages 73, 80
[63] V. S. Vesselovsky and V. N. Pertzov, “Adhesion of air bubbles to the solid surface,” Zh. Fiz. Khim, vol. 8, pp. 245–259, 1936. → pages 75
[64] Hideo Nakae, Ryuichi Inui, Yosuke Hirata, and Hiroyuki Saito, “Effects of surface roughness on wettability,” Acta Materialia, vol. 46, pp. 2313–2318, Apr. 1998. → pages
[65] R. J. Good and M. Koo, “The effect of drop size on contact angle,” Journal of Colloid and Interface Science, vol. 71, pp. 283–292, Sept. 1979. → pages

Fig. 3. Comparison of SEM photographs and simulation results of two neighboring aluminum droplets from (a) top view, (b) side view and (c) bottom view. The scale bar is 100 µm.

Effect of the surface morphology of solidified droplet on remelting
between neighboring aluminum droplets

Abstract

인접한 물방울 사이의 좋은 야금학적 결합은 droplet 기반 3D 프린팅에서 필수적입니다. 그러나 재용해 메커니즘이 명확하게 마스터되었지만, 콜드 랩은 균일한 알루미늄 액적 증착 제조에서 형성된 부품의 일반적인 내부 결함이며, 이는 응고된 액 적의 표면 형태를 간과하기 때문입니다.

여기에서 처음으로 물방울 사이의 융합에 대한 잔물결과 응고각의 차단 효과가 드러났습니다. 재용해의 자세한 과정을 조사하기 위해 VOF (체적 부피) 방법을 기반으로 3D 수치 모델을 개발했습니다. 실험과 시뮬레이션을 통해 인접한 액적 간의 재 용융 공정은 두 번째 액 적과 기판 사이의 과도 접촉에 따라 두 단계로 나눌 수 있음을 보여줍니다.

첫 번째 단계에서는 재용해 조건이 이론적으로 충족 되더라도 콜드 랩이 형성 될 수 있다는 직관적이지 않은 결과가 관찰됩니다. 이전에 증착된 액적 표면의 잔물결은 새로운 액적과의 직접 접촉을 차단합니다. 두 번째 단계에서는 응고 각도가 90 °보다 클 때 액체 금속이 불완전하게 채워져 바닥 표면에 콜드랩이 형성됩니다. 또한 이러한 콜드 랩은 온도 매개 변수를 개선하여 완전히 피하는 것이 어렵습니다.

이 문제를 해결하기 위해 기판의 열전도 계수를 감소시키는 새로운 전략이 제안 되었습니다. 이 방법은 잔물결을 제거하고 응고 각도를 줄임으로써 물방울 사이의 재용해를 효과적으로 촉진합니다.

Keywords: 3D printing; aluminum droplets; metallurgical bonding; ripples; solidification angle.

Fig. 1. Schematic diagram of (a) experimental setup and (b) process principle of uniform aluminum droplet deposition manufacturing.
Fig. 1. Schematic diagram of (a) experimental setup and (b) process principle of uniform aluminum droplet deposition manufacturing.
Fig. 2. Schematic diagram of the numerical model of two droplets successively depositing on the substrate.
Fig. 2. Schematic diagram of the numerical model of two droplets successively depositing on the substrate.
Fig. 3. Comparison of SEM photographs and simulation results of two neighboring aluminum droplets from (a) top view, (b) side view and (c) bottom view. The scale bar is 100 µm.
Fig. 3. Comparison of SEM photographs and simulation results of two neighboring aluminum droplets from (a) top view, (b) side view and (c) bottom view. The scale bar is 100 µm.
Fig. 4. Experimental and simulation images of shape evolution during two neighboring droplets successively impacting at (a) t, (b) t+0.5 ms, (c) t+1 ms, (d) t+2 ms, (e) t+3 ms and (f) t+5 ms.
Fig. 4. Experimental and simulation images of shape evolution during two neighboring droplets successively impacting at (a) t, (b) t+0.5 ms, (c) t+1 ms, (d) t+2 ms, (e) t+3 ms and (f) t+5 ms.
Fig. 5. SEM observation of (a) side view and (b) bottom view of successive deposition of aluminum droplets; (c) enlarged side view of the section of the printed metal trace in (a); (d) fracture of two neighboring droplets; (e) cross-section of two droplets successive deposition; (f) enlarged view of the selected section in (e).
Fig. 5. SEM observation of (a) side view and (b) bottom view of successive deposition of aluminum droplets; (c) enlarged side view of the section of the printed metal trace in (a); (d) fracture of two neighboring droplets; (e) cross-section of two droplets successive deposition; (f) enlarged view of the selected section in (e).
Fig. 6. Simulation results of (a) shape evolution and solid fraction distribution in Y- Z middle cross-section of two successively-deposited droplets; (b) temperature variation with time at three points (labeled A-C) on the surface of the first droplet during the deposition of the second droplet.
Fig. 6. Simulation results of (a) shape evolution and solid fraction distribution in Y- Z middle cross-section of two successively-deposited droplets; (b) temperature variation with time at three points (labeled A-C) on the surface of the first droplet during the deposition of the second droplet.

References

[1] D. Zhang, L. Qi, J. Luo, H. Yi, X. Hou, Direct fabrication of unsupported inclined aluminum pillars
based on uniform micro droplets deposition, International Journal of Machine Tools and Manufacture,
116 (2017) 18-24.
[2] H. Yi, L. Qi, J. Luo, Y. Jiang, W. Deng, Pinhole formation from liquid metal microdroplets impact
on solid surfaces, Applied Physics Letters, 108 (2016) 041601.
[3] T. Zhang, X. Wang, T. Li, Q. Guo, J. Yang, Fabrication of flexible copper-based electronics with
high-resolution and high-conductivity on paper via inkjet printing, Journal of Materials Chemistry C, 2
(2014) 286-294.
[4] T. Zhang, M. Hu, Y. Liu, Q. Guo, X. Wang, W. Zhang, W. Lau, J. Yang, A laser printing based
approach for printed electronics, Applied Physics Letters, 108 (2016) 103501.
[5] H. Gorter, M. Coenen, M. Slaats, M. Ren, W. Lu, C. Kuijpers, W. Groen, Toward inkjet printing of
small molecule organic light emitting diodes, Thin Solid Films, 532 (2013) 11-15.
[6] R. Vellacheri, A. Al-Haddad, H. Zhao, W. Wang, C. Wang, Y. Lei, High performance supercapacitor
for efficient energy storage under extreme environmental temperatures, Nano Energy, 8 (2014) 231-237.
[7] C.W. Visser, R. Pohl, C. Sun, G.W. Römer, B. Hu is in‘t Veld, D. Lohse, Toward 3D printing of
pure metals by laser‐induced forward transfer, Advanced materials, 27 (2015) 4087-4092.
[8] M. Fang, S. Chandra, C. Park, Heat transfer during deposition of molten aluminum alloy droplets to
build vertical columns, Journal of Heat Transfer, 131 (2009) 112101.
[9] Q. Xu, V. Gupta, E. Lavernia, Thermal behavior during droplet-based deposition, Acta materialia,
48 (2000) 835-849.
[10] W. Liu, G. Wang, E. Matthys, Thermal analysis and measurements for a molten metal drop
impacting on a substrate: cooling, solidification and heat transfer coefficient, International Journal of
Heat and Mass Transfer, 38 (1995) 1387-1395.
[11] R. Rangel, X. Bian, Metal-droplet deposition model including liquid deformation and substrate
remelting, International journal of heat and mass transfer, 40 (1997) 2549-2564.
[12] B. Kang, Z. Zhao, D. Poulikakos, Solidification of liquid metal droplets impacting sequentially on
a solid surface, TRANSACTIONS-AMERICAN SOCIETY OF MECHANICAL ENGINEERS
JOURNAL OF HEAT TRANSFER, 116 (1994) 436-436.

분말 베드 용융 결합의 Mesoscopic 열 유동해석

분말 베드 용융 결합의 Mesoscopic 열 유동해석

자료 제공: 오하이오 주립대학교
자료 제공: FLOW Science Japan

오하이오 주립대학의 YS Lee W.Zhang 등에 의한 Mesoscopic Simulation of Heat Transfer and Fluid Flow in Laser Powder Bed Additive Manufactuing는 FLOW-3D를 이용하여 금속 분말층의 레이저에 의한 용융 결합 (L-PBF)을 분석하고 있습니다. 논문에서는 DEM으로 생성한 임의의 분말층을 분석 대상으로 하고, FSJ 에서 개발한 FLOW-3D WELD(레이저 용접 모듈) 모듈을 이용하여 균일한 분말을 바닥에 분사한 후 그 결과를 비교했습니다.

Mesoscopic Simulation of Heat Transfer and Fluid Flow in Laser Powder Bed Additive Manufactuing
Mesoscopic Simulation of Heat Transfer and Fluid Flow in Laser Powder Bed Additive Manufactuing 해석 모델
Mesoscopic Simulation of Heat Transfer and Fluid Flow in Laser Powder Bed Additive Manufactuing 해석 결과
Mesoscopic Simulation of Heat Transfer and Fluid Flow in Laser Powder Bed Additive Manufactuing 해석 결과

위 사례를 통해 열전도나 용융금속의 거동, 용접속도의 차이에 의한 영향 등, 같은 분말 베드에서도 정상적인 해석이 가능한 것을 알 수 있습니다.

온도분포등의 결과의 차이는 분말층의 차이로 발생될 수 있으며, 향후, FLOW-3D@ DEM(FSJ 개별요소법 모듈)을 이용한 분말층 생성기능도 개발 예정입니다.

열전달(Heat Transfer)

열전달(Heat Transfer)

열전달은 전도, 대류 및 복사를 통한 열 에너지의 전달입니다. 일반적이지만 매우 중요한 물리적 현상입니다. 재료 특성 및 기타 물리적 현상은 온도 (또는 열에너지)에 매우 민감합니다. FLOW-3DFLOW-3D  CAST의 열전달 모델은 전도, 대류 및 복사를 통해 유체 내, 고체 및 공극 내에서 열전달을 처리하는 완전 복합 열전달 방정식을 해석합니다.

또한, 이 모델은 사용자가 다양한 애플리케이션을 모델링 할 수 있도록 유연하고 편리한 옵션을 제공합니다.

  • 명시적 및 암시적인 열전달 옵션을 모두 사용할 수 있습니다. 암시적 방법을 사용하여 명시적 접근과 관련된 시간 단계별 크기의 안정성 제한을 제거 할 수 있습니다. 전도성 또는 열전달의 안정성 제한이 시뮬레이션에서 다른 안정성 제한보다 실질적으로 작을 때, 암시적 방법을 사용하면 계산 효율성이 크게 향상 될 수 있습니다.

  • 각기 다른 매체 사이의 열전달 계수는 흐름 유형에 따라 사용자 정의되거나 자동으로 계산 될 수 있습니다.


  • 1차 및 2차 열에너지의 이류 알고리즘을 모두 사용할 수 있습니다. 1차 옵션은 효율적이고 견고하며 대부분의 열전달 문제에 적합하지만 높은 열 구배가 예상되는 시뮬레이션의 경우 인공적인 열 확산으로 이어질 수 있습니다. 2차 옵션은 가령, 부력 중심의 흐름에서 온도 구배를 해결하는 것이 중요한 상황에 적합합니다.


  • 유체와 고체 사이의 열전달을 모델링하기 위해 여러 가지 옵션을 사용할 수 있습니다 (지정된 열유속에서 전원, 규정 온도까지). 이러한 옵션은 다양한 프로세스 및 응용 프로그램을 모델링 할 수 있는 유연성과 성능을 제공합니다.

다른 물리 모델과 함께 FLOW-3DFLOW-3D  CAST의 열전달 모델은 고급 모델링 기능을 위한 견고한 토대가 됩니다. 예를 들어, 액체 / 고체 및 액체 / 증기 상 변화 모델을 사용하여 금속 응고, 물의 건조 및 비등, 분무 냉각을 시뮬레이션 할 수 있습니다. 점성 가열은 고속 점성 흐름에도 포함될 수 있습니다.

The realm of operations of FLOW-3D

ADDITIVE MANUFACTURING SIMULATIONS

Capabilities of FLOW-3D

FLOW-3D는 자유 표면 유체 흐름 시뮬레이션을 전문으로하는 다중 물리 CFD 소프트웨어입니다. 자유 표면의 동적 진화를 추적하는 소프트웨어의 알고리즘인 VOF (Volume of Fluid) 방법은 Flow Science의 설립자인 Tony Hirt 박사가 개척했습니다.

또한 FLOW-3D에는 금속 주조, 잉크젯 인쇄, 레이저 용접 및 적층 제조 (AM)와 같은 광범위한 응용 분야를 시뮬레이션하기위한 물리 모델이 내장되어 있습니다.
적층 제조 시뮬레이션 소프트웨어, 특히 L-PBF (레이저 파우더 베드 융합 공정)의 현상 유지는 열 왜곡, 잔류 응력 및지지 구조 생성과 같은 부분 규모 모델링에 도움이되는 열 기계 시뮬레이션에 초점을 맞추고 있습니다.

유용하지만 용융 풀 역학 및 볼링 및 다공성과 같은 관련 결함에 대한 정보는 일반적으로 이러한 접근 방식의 영역 밖에 있습니다. 용융 풀 내의 유체 흐름, 열 전달 및 표면 장력이 열 구배 및 냉각 속도에 영향을 미치며 이는 다시 미세 구조 진화에 영향을 미친다는 점을 명심하는 것도 중요합니다.

FLOW-3D와 이산 요소법 (DEM) 및 WELD 모듈을 사용하여 분말 및 용융 풀 규모에서 시뮬레이션 할 수 있습니다.
구현되는 관련 물리학에는 점성 흐름, 열 전달, 응고, 상 변화, 반동 압력, 차폐 가스 압력, 표면 장력, 움직이는 물체 및 분말 / 입자 역학이 포함됩니다. 이러한 접근 방식은 합금에 대한 공정을 성공적으로 개발할 수 있게 하고, AM 기계 제조업체와 AM 기술의 최종 사용자 모두에게 관심있는 미세 구조 진화에 대한 통찰력을 제공하는데 도움이 됩니다.

The realm of operations of FLOW-3D
The realm of operations of FLOW-3D

FLOW-3D는 레이저 분말 베드 융합 (L-PBF), 직접 에너지 증착 (DED) 및 바인더 제트 공정으로 확장되는 기능을 가지고 있습니다.
FLOW-3D를 사용하면 분말 확산 및 패킹, 레이저 / 입자 상호 작용, 용융 풀 역학, 표면 형태 및 후속 미세 구조 진화를 정확하게 시뮬레이션 할 수 있습니다. 이러한 기능은 FLOW-3D에 고유하며 계산 효율성이 높은 방식으로 달성됩니다.

예를 들어 1.0mm x 0.4mm x 0.3mm 크기의 계산 영역에서 레이저 빔의 단일 트랙을 시뮬레이션하기 위해 레이저 용융 모델은 단 8 개의 물리적 코어에서 약 2 시간이 걸립니다.
FLOW-3D는 모든 관련 물리 구현 간의 격차를 해소하는 동시에 업계 및 연구 표준에서 허용하는 시간 프레임으로 결과를 생성합니다. 분말 패킹, 롤러를 통한 파워 확산, 분말의 레이저 용융, 용융 풀 형성 및 응고를 고려하고 다층 분말 베드 융합 공정을 위해 이러한 단계를 순차적으로 반복하여 FLOW-3D에서 전체 AM 공정을 시뮬레이션 할 수 있습니다.

FLOW-3D의 다층 시뮬레이션은 이전에 응고된 층의 열 이력을 저장한다는 점에서 독특하며, 열 전달을 고려하여 이전에 응고된 층에 확산된 새로운 분말 입자 세트에 대해 시뮬레이션이 수행됩니다.
또한, 응고 된 베드의 열 왜곡 및 잔류 응력은 FLOW-3D를 사용하여 평가할 수 있으며, 보다 복잡한 분석을 수행하기 위해 FLOW-3D의 압력 및 온도 데이터를 Abaqus 및 MSC Nastran과 같은 FEA 소프트웨어로 내보낼 수 있습니다.

Sequence of a multi-layer L-PBF simulation setup in FLOW-3D

Ease of Use

FLOW-3D는 다양한 응용 분야에서 거의 40 년 동안 사용되어 왔습니다. 사용자 피드백을 기반으로 UI 개발자는 소프트웨어를 사용하기 매우 직관적으로 만들었으며 새로운 사용자는 시뮬레이션 설정의 순서를 거의 또는 전혀 어려움없이 이해합니다.
사용자는 FLOW3D에서 구현 된 다양한 모델의 이론에 정통하며 새로운 실험을 설계 할 수 있습니다. 실습 튜토리얼, 비디오 강의, 예제 시뮬레이션 및 기술 노트의 저장소도 사용할 수 있습니다.
사용자가 특정 수준의 경험에 도달하면 고급 수치 교육 및 소프트웨어 사용자 지정 교육을 사용할 수 있습니다.

Available Literature

실험 데이터에 대해 FLOW-3D 모델을 검증하는 몇 가지 독립적으로 발표된 연구가 있습니다. 여기에서 수록된 저널 논문은 레이저 용접 및 적층 제조 공정으로 제한됩니다. 더 많은 참조는 당사 웹 사이트에서 확인할 수 있습니다.

Laser Welding

  1. L.J.Zhang, J.X.Zhang, A.Gumenyuk, M.Rethmeier, S.J.Na, Numerical simulation of full penetration laser welding of thick steel plate with high power high brightness laser, Journal of Materials Processing Technology, Volume 214, Issue 8, 2014.
    A study by researchers from BAM in Germany, KAIST in Korea, and State Key Laboratory of Mechanical Behavior of Materials in China that focuses on keyhole dynamics and full penetration laser welding of steel plates.
  2. Runqi Lin, Hui-ping Wang, Fenggui Lu, Joshua Solomon, Blair E.
    Carlson, Numerical study of keyhole dynamics and keyhole-induced porosity formation in remote laser welding of Al alloys, International Journal of Heat and Mass Transfer, Volume 108, Part A, 2017.
    General Motors (GM) and Shangai University collaborated on a study on the influence of welding speed and weld angle of inclination on porosity occurrence in laser keyhole welding.
  3. Koji Tsukimoto, Masashi Kitamura, Shuji Tanigawa, Sachio Shimohata, and Masahiko Mega, Laser Welding Repair for Single Crystal Blades, International Gas Turbine Congress, Tokyo, 2015.
    Mitsubishi Heavy Industry’s study on laser welding repair using laser cladding for single Ni crystal alloys used in gas turbine blades.

Additive Manufacturing

  1. Yu-Che Wu, Cheng-Hung San, Chih-Hsiang Chang, Huey-Jiuan Lin, Raed Marwan, Shuhei Baba, Weng-Sing Hwang, Numerical modeling of melt-pool behavior in selective laser melting with random powder distribution and experimental validation, Journal of Materials Processing Technology, Volume 254, 2018
    This paper discusses powder bed compaction with random packing for different powder-size distributions, and the importance of considering evaporation effects in the melting process to validate the melt pool dimensions.
  2. Lee, Y.S., and W.Zhang, Mesoscopic simulation of heat transfer and fluid flow in laser powder bed additive manufacturing, Proceedings of the Annual International Solid Freeform Fabrication Symposium, Austin, TX, USA. 2015
    A study conducted by Ohio State University researchers to understand the influence of process parameters in formation of balling defects.
  3. Y.S. Lee, W.Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion, Additive Manufacturing, Volume 12, Part B, 2016
    A study conducted by Ohio State University researchers to understand the influence of solidification parameters, calculated from the temperature fields, on solidification morphology and grain size using existing theoretical models in laser powder bed fusion processes.

 

 

해석 속도가 느릴때 암시적 방법으로 전환해야하는 경우

시뮬레이션을 실행하는 동안 대부분의 사람들은 “내 시뮬레이션이 왜 이렇게 느리게 실행됩니까? 그 이유는 무엇입니까?”라고 묻습니다.

시뮬레이션 런타임에 영향을 미치는 중요한 요소는 시간 단계 크기입니다. 시간 단계 크기가 작으면, 시뮬레이션이 완료 조건에 도달하기 전에 더 많은 계산을 수행해야하므로 런타임이 늘어납니다. 시간 단계의 크기는 종종 명시적 안정성 한계 중 하나에 의해 제어되므로 설정을 변경하지 않고, 늘리는 유일한 방법은 암시적 솔버가 동일하지 않기 때문에 명시적 솔버에서 암시적 솔버로 전환하는 것입니다.

명시적 솔버로서의 시간 단계 제한, 웹 사이트에서 명시적 및 암시적 솔버에 대한 자세한 설명을 읽을 수 있습니다.

솔버 메시지 이해

암시적 솔버를 사용하여 시뮬레이션 런타임을 줄일 수 있는지 확인하는 첫 번째 단계는 솔버 진단 출력을 읽고 이해하는 것입니다. 이는 Solver Messages 파일인 hd3msg. *에 기록되며 Simulation Manager 창 하단에 나타납니다. 처음 몇 개의 열을 살펴 보겠습니다.

솔버 메시지 파일

Solver messages file
표 1. 예제 솔버 메시지 파일의 처음 8 개 열.

표 1에는 왼쪽에서 오른쪽으로 다음이 있습니다.

  • Progress, sim_time: 시뮬레이션의 현재 시간.
  • Progress, cycle: 시뮬레이션 시작 이후주기 수 (즉, 시간 단계 수)입니다.
  • Time Step, delt: 이 열은 현재 시간 단계 크기를 나타냅니다.
  • Time Step, dt_stbl: 이것은 현재 솔루션을 제한하는 명시적 솔버의 안정성 한계입니다. 시간 단계 크기 delt는 항상 이 값보다 작아야합니다.
  • Time Step, code: 어떤 명시적 솔버 안정성 한계가 시간 단계 크기를 제어하는지 나타내는 2 자리 코드입니다.
  • Pressure, iter: 해당 시간 단계에 대해 암시적 압력 솔버에서 수행한 반복 횟수입니다. 압력 솔버는 거의 항상 암시적 솔버입니다.
  • Pressure, res/epsi: 반복 종료시 암시적 압력 솔버에 대한 수렴 기준 (ε)에 대한 잔차의 비율입니다. 이 값은 항상 1보다 작아야합니다.
  • Heat Transfer, iter: 해당 시간 단계에 대해 암시적 열 전달 솔버에서 수행한 반복 횟수입니다.
  • Heat Transfer, res/epsi: 반복이 끝날 때 암시적 열 전달 솔버에 대한 수렴 기준 (ε)에 대한 잔여 비율입니다. 이 값은 항상 1보다 작아야합니다.

표 1에 설명 된 진단 출력을 표 2에 설명된 2 자리 진단 코드와 연관 시키면 x 방향 (코드 = cx)의 유체 이류(advection)와 관련된 안정성 한계가 시간 단계의 크기를 제한하고 있음을 나타냅니다.

<참고> 이송 [advection, 移送] 해양과학용어사전 기체나 액체가 그에 작용되는 외부로부터의 힘 또는 압력차에 의해 이동하는 현상. (수질오염 등 오염물질 이동과 관련해서는) 물 등 유체(流體) 속에 포함된 오염물질(汚染物質)이 중력(重力)이나 바람 등의 작용(作用)으로 생기는 유체(流體)의 흐름과 함께 이동하는 현상을 말하기도 함.

암시적 열 전달 솔버의 진단은 마지막 두 열 (Heat Transfer, iter 및 Heat Transfer, res / epsi)에서 알 수 있듯이 표 1에도 표시됩니다. 암시적 솔버가 추가되면 반복 횟수와 수렴 기준 (ε)에 대한 잔차 비율을 나타내는 두 개의 유사한 열이 나타납니다. 이 값은 항상 1보다 작아야하며 솔버가 성공적으로 수렴되었음을 나타냅니다. 그렇지 않은 경우 해당 값 옆에 별표 (*)가 표시됩니다.

안정성 코드 표

Stability code table
표 2. 사용 가능한 모든 2 글자 안정성 코드 및 의미.

암시적 방법을 사용하는 경우

때로는 단순히 암시적 솔버로 전환해도 시뮬레이션 런타임이 향상되지 않습니다. 이는 일반적으로 다른 명시적 솔버가 시간 단계 크기가 의미있는 방식으로 증가하지 못하도록 방지할 때 발생합니다. 간단한 지침은 암시적 솔버에 필요한 추가 노력을 보상하고 시뮬레이션 런타임을 줄이기 위해 시간 단계 크기를 5 배 이상 늘려야한다는 것입니다. Solver Summary 파일 인 hd3out. *의 짧은 표시 데이터는 시간 단계 크기의 잠재적 증가를 평가하는 데 사용할 수 있는 몇 가지 정보를 제공합니다. Solver Summary는 Diagnostics 메뉴에서 액세스 할 수 있으며 “Stability limits”를 검색하면 관련 안정성 한계가있는 표를 찾을 수 있습니다.
솔버 요약 안정성 한계 표.

Solver summary stability limits table.
표 3. 솔버 요약 안정성 한계 표. 표면 장력은 시간 단계 값이 가장 작기 때문에 솔루션을 제한합니다.

예제 출력 (표 3)에 제시된 최소 안정성 한계는 표면 장력 솔버와 관련된 것입니다. 암시적 표면 장력 솔버로 변경하면이 안정성 제한이 제거되고 이제 y 방향의 유체 이류에 의해 제한되는 새로운 시간 단계 크기로 이어집니다. 새로운 시간 단계 크기는 이전 시간 단계 크기보다 5 배 이상 큽니다. 이는 암시적 표면 장력 모델을 사용할 때 시뮬레이션이 더 빠르게 실행될 수 있음을 나타냅니다.

그러나 시간 단계 크기에 비례하는 암시적 솔버를 사용하여 솔루션을 찾는 데 필요한 노력과 같이 런타임에 영향을 미치는 다른 요인이 있기 때문에 런타임 감소가 보장되지 않습니다. 따라서 다른 암시적 솔버를 활성화하기 전에 현재 활성화 된 모든 암시적 솔버가 상대적으로 적은 반복으로 수렴되도록 하는 것도 좋은 방법입니다.

마지막으로 시간 단계 크기가 증가함에 따라 솔루션의 정확도가 감소한다는 점에 유의하는 것이 중요합니다.
솔루션 방법을 변경하는 방법

시뮬레이션이 중지되면 그림 1과 같이 Model Setup / Numerics 탭으로 이동하고 원하는 암시적 솔버의 라디오 버튼을 클릭하여 암시적 솔버를 활성화 할 수 있습니다. 이것은 시뮬레이션이 실행될 때 적용됩니다.

명시적 및 암시적 옵션

Explicit and implicit options
그림 1. 숫자 탭의 명시 적 / 암시 적 옵션.

시뮬레이션 관리자 탭의 런타임 옵션 대화 상자를 사용하여 시뮬레이션이 실행되는 동안 암시적 솔버를 활성화 할 수도 있습니다. Runtime Options를 클릭하고 Explicit / implicit solvers 탭으로 이동하여 원하는 implicit solver의 라디오 버튼을 클릭 한 다음 Send To Solver를 클릭하십시오. 솔버가 업데이트 되었음을 ​​알리는 대화 상자가 나타납니다.

런타임 옵션 대화 상자

Runtime options dialog

그림 2. 런타임 옵션 대화 상자의 명시 적 / 암시 적 옵션.

결론

시뮬레이션 실행 시간은 완료 조건을 충족하기 위해 수행해야하는 계산 횟수에 따라 결정됩니다. 그러나 계산 수는 시간 단계 크기 및 암시적 솔버에 필요한 계산 노력의 함수이며 후자는 시간 단계 크기의 비선형 함수이기도합니다. 이것은 복잡한 상호 작용이지만, 진단 파일 hd3msg. * 및 hd3out. *에서 솔버가 보고한 정보를 사용하여 런타임을 줄이는 방식으로 숫자 옵션을 신중하게 조정할 수 있습니다.

FLOW-3D 튜토리얼 V12

FLOW-3D 튜토리얼 V12

빠른 시작

이 튜토리얼 매뉴얼은 FLOW-3D 처음 사용하는 사용자에게 그래픽 사용자 인터페이스(GUI)의 주요 구성 요소를 쉽게 익히도록 하고, 다양한 시뮬레이션의 설정 및 실행 방법을 안내하기 위한 것입니다.

이 매뉴얼에 있는 실습과정은 FLOW-3D의 기본 사항을 다루기 위한 것입니다. 이 매뉴얼에서 제시하는 문제는 다양한 주제를 설명하고, 발생할 수 있는 많은 질문을 해결하기 위해 선정되었습니다. 이 매뉴얼의 실습과정은 FLOW-3D실행하는 컴퓨터에 앉아 사용하는 것이 가장 좋습니다.

CFD 사용 철학에 대한 간단한 섹션 다음에는 중요 파일과 시뮬레이션 파일을 실행하는 방법이 소개되어 있습니다. 이 소개 섹션 다음에는 모델 설정, 시뮬레이션 실행 및 포스트 프로세스, Simulation Manager 탐색 방법에 대한 설명이 있습니다. 이러한 각 단계에 대한 자세한 내용은 모델 설정, 컴퓨팅 결과 및 후처리 장에서 확인할 수 있습니다.

1.CFD 사용에 대한 철학

CFD (Computational Fluid Dynamics)는 유체 흐름(질량, 운동량 및 에너지 보존)에 대한 지배 방정식의 컴퓨터 솔루션입니다. 지정된 지배방정식은 이론 장에 설명된 Numerical방법을 사용하여 이산화되고 계산됩니다.

CFD 소프트웨어를 사용하는 것은 여러 면에서 실험을 설정하는 것과 유사합니다. 실제 상황을 시뮬레이션하기 위해 실험을 올바르게 설정하지 않으면, 그 결과는 실제 상황을 반영하지 않습니다. 같은 방법으로 수치 모델이 실제 상황을 정확하게 나타내지 않으면, 그 결과는 실제 상황을 반영하지 않습니다. 사용자는 어떤 것이 중요한지, 어떻게 표현해야 하는지를 결정해야 합니다. 시작하기 전에 다음과 같은 질문을 하는 것이 중요합니다.

  • CFD 계산에서 무엇을 알고 싶습니까?
  • 중요한 현상을 포착하기 위해 규모와 Mesh는 어떻게 설계되어야 하는가?
  • 실제 물리적 상황을 가장 잘 나타내는 경계 조건은 무엇입니까?
  • 어떤 종류의 유체를 사용해야합니까?
  • 이 문제에 어떤 유체 특성이 중요합니까?
  • 다른 어떤 물리적 현상이 중요합니까?
  • 초기 유체 상태는 어떻게 됩니까?
  • 어떤 단위 시스템을 사용해야합니까?

모델링 되는 문제가 실제 상황을 가능한 한 유사하게 나타내는지 확인하는 것이 중요합니다. 사용자는 복잡한 시뮬레이션 작업을 해결 가능한 부분으로 나누는 것이 좋습니다.

복잡한 물리 효과를 추가하기 전에, 간단하고 쉽게 이해할 수 있는 근사값으로 점차적으로 시작하여 프로세스 진행하십시오. 간단한 손 계산(베르누이 방정식, 에너지 균형, 파동
전파, 경계층 성장 등)은 물리 및 매개 변수를 선택하는데 도움이 되고, 결과와 비교할 수 있는 점검항목을 제공합니다.

CFD의 장단점을 이해하면 분석을 진행하는데 도움이 될 수 있습니다. CFD는 다음과 같은 경우 탁월한 분석 옵션입니다.

  • 기하 구조, 물리학 또는 필요한 상세 수준으로 인해 표준 엔지니어링 계산이 유용하지 않은 경우가 많습니다.
  • 실제 실험은 비용이 많이 소요됩니다.
  • 실험에서 수집할 수 있는 것보다 유체흐름에 대한 자세한 정보가 필요한 경우 유용합니다.
  • 위험하거나 적대적인 조건, 확장이 잘되지 않는 프로세스 등으로 인해 정확한 실험 측정을 하기가 어려운 경우
  • 복잡한 흐름 정보에 대한 커뮤니케이션

CFD는 다음과 같은 경우에 덜 효과적입니다.

  • 솔루션이 계산 리소스가 매우 많이 소요되거나, 도메인 크기를 줄이기 위한 가정 또는 해결되지 않은 물리적 현상을 설명하기 위한 반 임계 모델이 필요한 경우
  • CFD 시뮬레이션에 대한 입력이 되는 중요한 물리적 현상이 알려지지 않은 경우
  • 물리적 현상이 잘 이해되지 않거나 매우 복잡한 경우

CFD를 사용할 때 명심해야 할 몇 가지 중요한 참고 사항이 있습니다.

  • CFD는 규정된 초기 및 경계 조건에 따라 지정된 지배 방정식의 수치해석 솔루션입니다. 따라서 모델 설정, 즉 어떤 방정식을 풀어야 하는지, 재료 특성, 초기 조건 및 경계 조건이, 가능한 한 물리적 상황과 최대한 일치해야 합니다.
  • 방정식의 수치 해는 일반적으로 어떤 종류의 근사치를 필요로 합니다. 물리적 모델에 대한 가정과 해결방법을 검토한 후 사용하는 것이 좋습니다.
  • 디지털 컴퓨터는 숫자가 유한 정밀도로 이진수로 표시되는 방식으로 인해 반올림 오류가 발생합니다. 이는 문제를 악화시키기 때문에 매우 근소한 숫자의 차이를 계산해야 하는 상황을 피하십시오. 이러한 상황의 예는 시뮬레이션 도메인이 원점에서 멀리 떨어져 있을 때입니다.

 

2.중요한 파일

FLOW-3D 시뮬레이션과 관련된 많은 파일이 있습니다. 가장 중요한 것들이 아래에 설명되어 있습니다. 모든 prepin.* 파일의 명칭에서 prepin는 파일 형식을 의미하며, 별표시* 위치는 시뮬레이션 이름을 의미합니다. ( : prepin.example_simulation.)

  • ·prepin.*: 시뮬레이션용 입력 파일입니다. 시뮬레이션 설정을 설명하는 모든 입력 변수가 포함되어 있습니다.
  • ·prpgrf.*: 이것은 전 처리기 출력 파일입니다. 여기에는 계산된 초기 조건이 포함되며 시뮬레이션을 실행하기 전에 설정을 확인하는 데 사용될 수 있습니다.
  • ·flsgrf.*: 솔버 출력 파일입니다. 시뮬레이션의 최종 결과가 포함됩니다.
  • ·prperr.*, report.*, prpout.*: 이 파일들은 Preprocessor Diagnostic Files.
  • ·hd3err.*, hd3msg.*, hd3out.*: 이 파일들은 Solver Diagnostic Files.

모든 시뮬레이션 파일은 단일 폴더에 함께 유지하므로, 설명이 될 수 있는 시뮬레이션 이름을 사용하는 것이 좋습니다. 그러나 매우 긴 파일 이름은 운영 체제에 따라 문제가 될 수 있습니다.

노트

  • 시뮬레이션 이름이 inp(즉, 입력 파일이 있다면 prepin.inp) 출력 및 진단 파일은 모두 .dat이름을 갖습니다. 예: flsgrf.dat.
  • 모든 입력 파일은 네트워크 위치의 컴퓨터 대신 로컬 디렉토리에 저장하는 것이 좋습니다. 이것은 솔버가 더 빠르게 실행되고 GUI의 응답 속도가 빨라지며 실행중인 시뮬레이션을 방해하는 네트워크 문제 가능성을 제거합니다.

3.시뮬레이션 관리자

FLOW-3D 시뮬레이션 관리자의 탭은 주로 시뮬레이션을 실행할 수 있도록 시뮬레이션 환경을 구성하고 실행 시뮬레이션에 대한 상태 정보를 표시하는데 사용됩니다.

작업 공간 (Workspaces)

작업 공간(Workspaces)Simulation Manager의 필수 부분이며 파일을 FLOW-3D에서 처리하는 방식입니다. 기본적으로 시뮬레이션을 포함하고 구성하는 폴더입니다. 몇 가지 예를 들면 시뮬레이션과 또 다른 작업 공간인 검증 사례를 포함하도록 할 수 있습니다:

포트폴리오의 작업 공간

새로운 작업 공간 만들기

튜토리얼에서는 작성하려는 시뮬레이션을 포함할 작업 공간(Workspaces)을 작성하십시오.

1.File -> New workspace 이동

2.작업 공간 이름으로 Tutorial를 입력하십시오.

3.기본 위치는 현재 사용자의 홈 디렉토리에 있습니다. 다른 곳에서 찾을 수 있지만 기본 위치가 우리의 목적에 적합합니다.

4.하위 디렉토리를 사용하여 작업 공간 이름 만들기 확인란을 선택합니다. 이렇게 하면 파일 시스템에서 작업 공간에 대한 새로운 하위 디렉토리가 만들어져 시뮬레이션 파일을 훨씬 쉽게 구성할 수 있습니다.

새로운 작업 공간 만들기

5.확인을 눌러 새 작업 공간을 작성하십시오. 이제 포트폴리오에 표시됩니다.

새로운 작업 공간 만들기

작업 공간 닫기

포트폴리오를 정리하고 탐색하기 쉽도록 필요 없는 작업공간을 닫는 것이 편리합니다. 작업 공간을 닫으면 포트폴리오에서 해당 작업 공간만 제거됩니다. 그러나, 컴퓨터에서 작업 공간을 삭제하지는 않습니다.

작업 공간을 닫으려면

1.기존 작업 공간을 마우스 오른쪽 버튼으로 클릭하고 작업 Close Workspace 선택하십시오. 또는 포트폴리오에서 작업 공간을 선택 (왼쪽 클릭) 하고 Delete 키를 누를 수 있습니다.

2.작업 공간을 닫을 것인지 묻는 메세지가 표시됩니다. 예를 선택하십시오.

3.포트폴리오는 더 이상 닫힌 작업 공간을 포함하지 않습니다.

기존 작업 공간 열기

오래된 작업 공간을 열어야 할 때가 있을 것입니다. 예를 들어, 새 프로젝트에 유사한 시뮬레이션을 작성하기 전에 기존 시뮬레이션의 설정을 검토할 수 있습니다. 기존 작업 공간을 열려면

1.File -> Open Workspace를 선택하십시오

2.작업 공간 파일이 있는 디렉토리를 찾으십시오. Tutorial.FLOW-3D_Workspace.

작업 공간 열기

3.작업 공간을 로드 하려면 OK누르십시오.

작업 공간에서 시뮬레이션 작업

작업 공간을 사용하는 방법을 알았으니, 여기에 시뮬레이션을 추가해 봅시다.

Example를 추가하십시오

작업 공간에 작업 시뮬레이션을 추가하는 가장 간단한 방법은 포함된 예제 시뮬레이션 중 하나를 추가하는 것입니다. FLOW-3D의 다양한 기능을 사용하는
방법을 보여주기 위해 설계된 간단하고 빠른 시뮬레이션입니다. 기존 작업 공간에 예제를 추가하려면 다음을 수행하십시오.

1.포트폴리오에서 원하는 작업 공간을 강조 표시하십시오

2.File -> Add example 선택하십시오. 또는 작업공간을 마우스 오른쪽 버튼으로 클릭하고 예제 추가선택할 수 있습니다.

3.예제 대화 상자에서 예제를 선택하고 열기를 누르십시오. 자연 대류(Natural Convection) 예제를 선택했습니다.

시뮬레이션 예제 추가

4.새 시뮬레이션 대화 상자가 열립니다.

5.디렉토리가 작업 공간 위치에 있는지 확인하는 것이 좋으므로 기본 시뮬레이션 이름과 위치를 잘 확인하는 것이 좋습니다. FLOW-3D는 모든 시뮬레이션 파일을 이 작업 공간 디렉토리의 별도 하위 디렉토리에 배치하여 파일 구성을 쉽게 만들어 줍니다.

6.시뮬레이션을 위한 단위 시스템을 선택하십시오. 표준 단위 시스템이 권장되지만 각 단위를 독립적으로 선택하기 위해 사용자 지정 단위 시스템을 선택할 수 있습니다.

7.확인을 눌러 새 시뮬레이션을 작업 공간에 추가하십시오.

작업 공간에서의 시뮬레이션

작업 공간에서 시뮬레이션 제거

작업 공간에서 시뮬레이션을 제거해야 하는 경우가 있습니다 (이는 작업 공간에서 시뮬레이션을 제거만 하며, 컴퓨터에서 시뮬레이션을 삭제하지는 않습니다). 작업 공간에서 시뮬레이션을 제거하려면 다음을 수행하십시오.

1.작업 공간에서 기존 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하고 (이 경우 이전 섹션에서 추가 한 예제 사용) 시뮬레이션 제거를 선택하십시오. 또는 작업 공간에서 시뮬레이션을 선택 (왼쪽 클릭)하고 Delete 키를 누를 수 있습니다.

2.작업 공간에는 더 이상 시뮬레이션이 포함되지 않습니다.

모든 작업 공간 및 디스크에서 시뮬레이션 삭제

작업 공간에서 시뮬레이션을 제거하는 것 외에도 디스크에서 모든 시뮬레이션 파일을 삭제해야 할 수도 있습니다. 작업 공간에서 시뮬레이션을 제거하고 디스크에서 시뮬레이션
파일을 삭제하려면 다음을 수행하십시오.

1.작업 공간에서 기존 시뮬레이션을 마우스 오른쪽 단추로 클릭하고 (이 경우 이전 섹션에서 추가 한 예제 사용) 모든 작업 공간 및 디스크에서 시뮬레이션
삭제를
선택하십시오.

2.시뮬레이션 디렉토리에서 삭제할 파일을 선택할 수 있는 창이 나타납니다. 삭제할 파일을 선택한 다음 확인을 눌러 해당 파일을 삭제하거나 취소를 눌러 작업을 중단하십시오.

3.OK를 선택한 경우 선택한 작업 공간은 더 이상 시뮬레이션을 포함하지 않습니다. 선택한 작업 공간의 모든 시뮬레이션 파일은 디렉토리에서 삭제됩니다.

경고

이 작업은 취소할 수 없으므로 계속하기 확인 후 파일을 삭제해야 합니다.

작업 공간에 기존 시뮬레이션 추가

기존 시뮬레이션을 작업 공간에 추가하려면 다음을 수행하십시오.

1.열린 작업 공간을 마우스 오른쪽 버튼으로 클릭하고 기존 시뮬레이션 추가 선택합니다. 작업 공간을 선택한 다음 File->Add Existing Simulation 을 선택할 수도 있습니다.

2.prepin.*파일 위치로 이동하여 열기를 선택하십시오.

작업 공간에 기존 시뮬레이션 추가

3.시뮬레이션이 이제 작업 공간에 나타납니다.

작업 공간에 새로운 시뮬레이션 추가

대부분의 경우 기존 시뮬레이션을 사용하는 대신 새 시뮬레이션을 작성하게 됩니다. 작업 공간에 새로운 시뮬레이션을 추가하려면:

1.기존 작업 공간을 마우스 오른쪽 버튼으로 클릭하고 새 시뮬레이션 추가 선택하십시오.

2.시뮬레이션 이름을 입력하라는 message가 표시됩니다. 이 예제에서는 heat transfer example 불러오십시오.

3.그런 다음 드롭다운 목록을 사용하여 시뮬레이션을 위한 단위 시스템을 결정합니다. 사용 가능한 옵션은 질량, 길이, 시간, 전기요금
각각 g, cm, s, coul기준의 Kg, m, s, CGS입니다. 또한 엔지니어링 단위도 사용할 수 있으며, slug, ft, s의 기초 단위가 있지만, 전기
충전을 위한 단위는 없습니다. 이러한 옵션 중 어느 것도 해당되지 않는 경우, 질량, 길이, 시간 및 전기요금에 대한 기준 등을 사용자 정의하여 사용자 지정 단위 시스템을 사용할 수 있습니다.

4.온도 단위는 드롭다운 목록을 사용하여 지정해야 합니다. 사용 가능한 옵션은 SI CGS 단위의 경우 Celsius
Kelvin, 엔지니어링 단위의 경우 Fahrenheit Rankine입니다. Custom units(사용자 정의 단위) 옵션을 선택한 경우, 사용 가능한 온도 단위는 질량
및 길이에 대해 선택한 기본 단위에 따라 변경됩니다.

노트

새 시뮬레이션의 시뮬레이션 단위는 신중하게 선택하십시오. 일단 설정하면 단위를 변경할 수 없습니다.

5.이 시뮬레이션에 사용된 템플릿이 기본 템플릿이 됩니다. 템플릿은 포함된 설정을 새 시뮬레이션에 적용하는 저장된 값 세트입니다. 다른 템플릿을 사용해야하는 경우
찾아보기 아이콘 (
browse_icon_v12)을 클릭하여 사용 가능한 템플릿 목록에서 선택하십시오.

6.기본 시뮬레이션 이름과 위치는 디렉토리가 작업 공간 위치에 있는지 확인하는 것이 좋습니다. FLOW-3D는 모든 시뮬레이션 파일을 이 작업 공간 디렉토리의 별도 하위 디렉토리에 배치하여 파일 구성을 훨씬 쉽게 만듭니다. 시뮬레이션을 다른 위치에 저장하려면 찾아보기 아이콘 ( browse_icon_v12)을 사용하여 원하는 위치로 이동하십시오.

7.확인을 클릭하여 작업 공간에 새 시뮬레이션을 추가하십시오.

heat transfer example

새로운 시뮬레이션 추가

다른 옵션

우리는 지금 이러한 옵션을 사용하지 않는 동안, 이 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하여 추가 옵션에 대한 액세스를 제공합니다.

일반적으로 사용되는 Add Simulation Copy… 그리고 Add Restart Simulation…을 추가합니다. 첫 번째 옵션은 기존 시뮬레이션의 사본을
작성하고, 두 번째 옵션은 기존 시뮬레이션을 복사하고 원래 시뮬레이션의 결과를 다시 시작 시뮬레이션의 초기 조건으로 사용하도록 다시 시작 옵션을 구성합니다.

추가 정보

재시작 시뮬레이션에 대한 자세한 내용은 도움말에서 모델 설정 장의 재시작 섹션을 참조하십시오.

전처리 및 시뮬레이션 실행

시뮬레이션 전처리

시뮬레이션 전처리는 초기 조건을 계산하고 입력 파일에서 일부 진단 테스트를 실행합니다. 문제가 올바르게 구성되었는지 확인하거나 전 처리기의 진단 정보가 필요한 경우에
유용합니다. 시뮬레이션을 실행하기 전에 전처리할 필요가 없습니다. 시뮬레이션을 전처리 하려면

1.작업 공간에서 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하고 Preprocess Simulation->Local 선택합니다. 이 경우 입력 파일 heat transfer example이 아직 완전히 정의되지 않았으므로 작업 공간에서 예제 문제를 선택하십시오.

2.전처리 프로세스가 시작되고 Simulation Manager 하단의 텍스트 창에 일부 정보가 인쇄된 후 성공적으로 완료됩니다. 포트폴리오에서 시뮬레이션 이름 옆의 아이콘도 시뮬레이션이 성공적으로 처리되었음을 나타내도록 변경됩니다.

추가 정보

자세한 내용은 도움말의 컴퓨팅 결과 장의 전처리 섹션을 참조하십시오.

시뮬레이션 실행

시뮬레이션을 실행하면 입력 파일에 정의된 문제에 대한 지배 방정식(물리적 모델, 형상, 초기 조건, 경계 조건 등)이 해석됩니다. 시뮬레이션을 실행하려면

1.작업 공간에서 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하고 Run Simulation->Local을 선택하십시오. 이 경우 입력 파일 heat transfer example이 아직 완전히
정의되지 않았으므로 작업 공간에서 예제 문제를 선택하십시오.

2.솔버가 시작되고 시뮬레이션 관리자 하단의 텍스트 창에 일부 정보가 인쇄되고 플롯이 업데이트 된 후 성공적으로 완료됩니다. 포트폴리오에서 시뮬레이션 이름 옆의
아이콘도 시뮬레이션이 성공적으로 실행되었음을 나타내도록 변경됩니다. 또한 솔버가 실행되는 동안 큐에 시뮬레이션이 나타나는 것을 볼 수 있으며, 완료되면 사라집니다
.

추가 정보

시뮬레이션 실행 및 진단 읽기에 대한 자세한 내용은 도움말의 컴퓨팅 결과 장에서 솔버 실행 섹션을 참조하십시오.

작업 공간에서 모든 시뮬레이션 실행

작업 공간을 마우스 오른쪽 버튼으로 클릭하고 Simulate Workspace->Local을 선택하여 작업 공간에서 모든 시뮬레이션을 실행할 수도 있습니다.

추가 정보

자세한 내용은 컴퓨팅 결과 장에서 솔버 실행 섹션을 참조하십시오.

대기열

사전 처리 또는 실행에 작업이 제출되면 큐의 맨 아래에 시뮬레이션이 자동으로 추가됩니다. 그런 다음 솔버에 사용 가능한 라이센스 및 계산 리소스가 있으면 시뮬레이션이 사전 처리되거나 실행됩니다. 대기열에 있지만 아직 전처리 또는 실행되지 않은 시뮬레이션은 대기열 맨 아래의 컨트롤을 사용하여 대기열에서 다시 정렬하거나 대기열에서 제거할 수 있습니다.

추가 정보

자세한 내용은 컴퓨팅 결과 장을 참조하십시오.

파일 시스템에서 파일 찾기

어떤 이유로 구조물 파일에 액세스해야 하는 경우 (아마 *.STL 폴더에 파일을 배치해야 함) 표시된 파일 경로를 시뮬레이션 입력 파일로 클릭하여 파일 시스템의 해당 위치로 이동할 수 있습니다.

파일 링크

4.모델 설정

Model Setup(모델 설정) 탭은 시뮬레이션 관리자에서 현재 선택한 시뮬레이션에 대한 입력 매개 변수를 정의하는 곳입니다. 여기에는 전역설정, 물리학 모델, 유체,
기하학, 메싱, 구성요소 특성, 초기 조건, 경계 조건, 출력 옵션 및 숫자가 포함된다.

이 섹션은 물에 잠긴 모래(; 파랑)의 바닥에서 가열된 구리 블록(; 빨간색)에 의해 발생하는 열 기둥(아래)을 보여주는 간단한 시뮬레이션 설정 방법을 안내합니다.

예제 문제

이 튜토리얼은 방법이나 모델이 어떻게 작동하는지, 옵션을 선택한 이유 등에 대한 포괄적인 논의를 의도한 것이 아니며, 이 특정 시뮬레이션을 설정하기 위해 수행해야 할 사항에
대한 간략한 개요일 뿐입니다. 여기서 행해지는 것에 대한 방법/모델과 추론의 세부사항은 사용 설명서의 다른 장에서 확인할 수 있습니다.

시작하려면 새 작업 공간을 작성하고 새 시뮬레이션을 추가하십시오. 이를 수행하는 방법에 대한 지침은 새 작업 공간 작성 및 작업 공간에 새 시뮬레이션 추가를 참조하십시오.

탐색

모델 설정은 주로 빨간색으로 표시된 처음 9 개의 아이콘의 탐색을 통해 수행됩니다. 각 아이콘은 시뮬레이션의 특정 측면을 구성하기 위한 위젯을 엽니다. Global에서 시작하여 Numerics로 끝나는 다음 섹션은 각 위젯의 목적을 보여줍니다.

시뮬레이션의 다양한 측면을 정의하기위한 탐색 아이콘

통제 수단

다음은 FLOW-3D 사용자 인터페이스의 그래픽 디스플레이 영역에서 사용되는 마우스 컨트롤입니다.

행동

버튼/

동작

기술

회전

왼쪽

길게 클릭

마우스 왼쪽 버튼을 클릭 한 채로 Meshing & Geometry 창에서
마우스를 움직입니다. 그에 따라 모델이 회전합니다.

중간 버튼/스크롤

스크롤/클릭 한
상태

마우스를 앞뒤로 움직여 확대/축소하려면 가운데 휠을 굴리거나 마우스 가운데 버튼을 클릭
한 상태로 유지하십시오.

우측

길게 클릭

마우스 오른쪽 버튼을 클릭 한 채로 창에서 마우스를 움직입니다. 모델이 마우스와 함께 움직입니다.

객체에 초점 설정

해당 없음

객체 위에 커서를 놓기

커서를 개체 위로 가져 가면 마우스 오른쪽 버튼 클릭 메뉴를
통해 추가 조작을 위해 개체가 활성화됩니다. 개체가 활성화되면 강조 표시됩니다. Meshing & Geometry 탭에서 Tools->
Mouse Hover
Selection
환경 설정 이 활성화된 경우에만
수행됩니다.

선택

왼쪽

더블 클릭

객체를 두 번 클릭하면 마우스 오른쪽 버튼 메뉴를 통해 추가
조작을 위해 객체를 선택하고 활성화합니다. Meshing
& Geometry
탭에서 Tools
->Mouse Hover Selection 환경 설정 이
비활성화 된 경우에만 활성화됩니다.

액세스 객체 속성

우측

딸깍 하는 소리

강조 표시된 객체를 마우스 오른쪽 버튼으로 클릭하면 객체
식별, 표시/숨기기, 활성화/비활성화, 투명도 조정 등의 옵션 목록이 표시됩니다.

커서 좌표 반환 (프로브)

왼쪽

Shift + 클릭

Shift 키를 누르면 커서가 대상으로 바뀝니다. Shift 키를 누른 상태에서 클릭하면 화면의 왼쪽 하단에 표시된 표면의 좌표가 표시됩니다.

피벗 점 배치

왼쪽

cntrl + 클릭

Ctrl 키를 누르고 있으면 커서가 피벗 아이콘으로 바뀝니다. Ctrl 키를 누른 상태에서 클릭하여 피벗 점을 설정하십시오. 뷰가
피벗 점을 중심으로 회전합니다. 토글 사용자 정의 피벗 피벗 점을 끕니다.
보기 창 위의 버튼을 누릅니다.

도움이
되는 툴바 옵션도 있습니다. 옵션의 목적을 찾으려면 아이콘 위로 마우스를 가져갑니다.

메시 및 지오메트리 탭의 컨트롤

글로벌

이 매뉴얼에 대한 시뮬레이션을 만들려면 원하는 작업 공간을 마우스 오른쪽 단추로 클릭하고 새 시뮬레이션 추가를 선택하십시오. 매뉴얼 섹션의 새 시뮬레이션 추가 작업 공간에 설명된 대로 이름을 ‘heat transfer example’로 지정하고 작업 공간에 추가하십시오. SI Kelvin을 각각 단위 시스템과 온도로 선택합니다. 일단 설정되면
시뮬레이션을 위한 단위는 변경할 수 없다는 점을 기억하십시오.

글로벌 아이콘 f3d_global_icon을 클릭하여 글로벌 위젯을 여십시오. 여기에서 정의된 단위가 표시되고 시뮬레이션 완료 시간이 설정됩니다. 이 시뮬레이션의 경우 완료 시간을 200 초로 설정하십시오. 시뮬레이션에 대한 중요한 세부 정보는 여기 노트 필드에도 추가할 수 있습니다.

글로벌 탭 예를 들어 문제

추가 정보

자세한 내용은 모델 설정 장의 전역 섹션을 참조하십시오.

물리

물리 f3d_models_icon아이콘을 클릭하여 물리 위젯을 엽니다.

모델 선택을위한 물리 위젯

이 문제의 경우, 하나의 유체, 자유 표면, 경계 및 비압축/제한 압축의 기본 설정이 모두 정확합니다.

관련 물리 메커니즘(, 추가 지배 방정식 또는 지배 방정식 용어)은 물리 위젯에서 정의됩니다. 모델을 활성화하려면 해당 모델의 아이콘을 마우스 왼쪽 버튼으로 클릭하고활성화 선택하십시오. 이 시뮬레이션을 위해서는 다음 모델을 활성화해야 합니다.

·Density evaluation(밀도 평가): 이 모델은 열 기둥을 생성하는 밀도 변화를 설명합니다. 다른 양(: 온도 또는 스칼라)의 함수로 평가된 밀도를 선택하고 Include volumetric thermal expansion 상자를 선택하십시오.

문제 평가를위한 밀도 평가 모델

·Gravity and non-inertial reference frame(중력 및 비 관성 기준 프레임): 중력을 나타내는 힘이 추가되므로 Z 중력 성분에 -9.81을 입력하십시오.

예를 들어 중력 모델

·
Heat transfer(열 전달): 이 모델은 유체와 고체 물체 사이의 열 전달을 설명합니다. 이 시뮬레이션의 경우 First order for the Fluid internal Energy advection를 선택하고 Fluid to solid heat transfer를 활성화하려면 확인란을 선택하십시오. 나머지 옵션은 기본값으로 두어야합니다.

열전달 모델 예 : 문제

·
Viscosity and turbulence(점성 및 난류): 이 모델은 유체의 점성 응력을 설명합니다. Viscous flow 옵션을 선택하고 나머지 옵션은 기본값으로 두십시오.

예를 들어 문제의 점도 모델

추가 정보

자세한 내용은 모델 설정 장의 물리 섹션을 참조하십시오.

유체

유체의 속성은 모델 설정 탭의 유체 위젯에 정의되어 있습니다. 유체 위젯은 수직 도구 모음에서 Fluids f3d_fluids_icon f3d_fluids_icon아이콘을 클릭하여 액세스할 수 있습니다. 먼저 유체 옵션 1 이 속성 옵션으로 선택되어 있는지 확인하십시오. 유체 1의 속성은 수동으로 입력할 수 있지만 일반적인 유체의 속성을 설정하는 빠른 방법은 재료 속성로드 버튼Matdatbas을 클릭하여 재료 데이터베이스에서 유체를 로드하는 것입니다. 다음으로, 원하는 재료를 탐색하십시오. 이 경우 Fluids->Liquids->Water_at_20_C를 선택하고 Load를 클릭하십시오.

이 시뮬레이션에는 데이터베이스에 없는 특성인 체적 열 팽창 계수가 필요합니다. 밀도 하위 탭에서 207e-6을 입력하십시오. 최종 속성 세트는 다음과 같아야 합니다.

유체 특성 (예 : 문제)

추가 정보

자세한 내용은 모델 설정 장의 유체 섹션을 참조하십시오.

Geometry(기하)

기하형상 f3d_geometry_icon아이콘을 클릭하여 물리 위젯을 엽니다.

이 시뮬레이션을 위해 생성해야 하는 두 가지 형상은 구리 블록과 모래층이 있습니다. 둘 다 프리미티브를 사용하여 작성합니다. 보다 현실적인 시뮬레이션은 Primitives, Stereolithography(STL) Geometry File (s)/또는 Raster File (s)을 사용하여 지오메트리를 정의할 수 있습니다.

구리 블록을 만들려면 먼저 지정된 상자 형상 아이콘을 클릭하여 작성합니다. 구리 블록을 x y 방향 원점에서 +/- 2cm 연장하고 z 방향으로 0-4cm 연장합니다. 나머지 옵션은 그대로 두고 블럭을 솔리드로 만들고 새 구성 요소에 추가합니다.

예제 문제에 대한 구리 블록 정의

하위 구성 요소 정의를 마치고 구성 요소 정의로 이동하려면 확인을 선택하십시오. 자동으로 열린 구성요소 추가 대화상자에서 Type as General(솔리드)을 그대로 두고 Name(이름) 필드에 Copper block을 입력한 다음 OK(확인)를 선택하여 구성요소 정의를 완료하십시오.

상자아이콘을 다시 클릭하여 베드 하위 구성 요소를 작성하십시오. 아래 표시된 범위를 사용하고 컴포넌트에 추가 선택 사항을 새 컴포넌트(2)로 설정하십시오.

예를 들어 침대 문제 정의

하위 구성 요소 정의를 마치고 구성 요소 정의로 이동하려면 확인을 선택하십시오. 대화 형으로 이름 필드에서Bed를 입력한 후 구성요소 정의를 마칩니다. 최종 형상은 다음과 같이 표시됩니다.

예제 문제에 대한 형상 정의

새 구성 요소를 추가하면 가로 및 세로 방향으로 그래픽 표시 창에 길이 스케일이 자동으로 생성됩니다. 눈금자 도구를 사용하여 생성된 기하학적 객체의 범위를 빠르게 측정할 수 있습니다.

노트

표시 영역에는 지오메트리 모양 정의만 표시되므로 객체가 솔리드인지 구멍인지에 대한 정보는 표시되지 않습니다. 즐겨 찾기옵션을 사용하여 Mesh 후에 나중에 수행할 수 있습니다.

추가 정보

자세한 내용은 도움말 모델 설정 장의 형상 섹션을 참조하십시오.

구성 요소 속성

열전달 모델은 고체 구성 요소의 전도 방정식을 해결하기 위해 재료 특성이 필요합니다. 이러한 속성은 이 아이콘f3d_geometry_icon을 클릭하여 구성 요소 속성 위젯에서 설정합니다.

구성 요소 특성 위젯

각 구성 요소에는 솔리드 특성 및 표면 특성이 정의 되어 있어야합니다. 구리 블록에 대해 이를 설정하려면 먼저 형상 위젯에서 구성 요소 1: copper block 요소를 선택하십시오. 그런 다음 컴포넌트 특성 위젯에서 솔리드 특성을 선택하고 다음과 같이 특성을 정의하십시오.

구리 블록 고체 특성

여기에서 두 번째 구성 요소(베드)에 대해 설명된 구성 요소 특성 정의를 위한 대체 방법을 사용할 수 있습니다. 이 방법에서는 구성 요소 2: 베드 구성 요소를 클릭하고 재료 필드 옆에 있는 재료 특성로드 Matdatbas 아이콘을 선택하여 시작합니다. 다음으로 재료를 탐색합니다. 이 경우 Solids->Sands->Sand_Quartz 선택하고 Load를 선택하십시오.

베드 솔리드 속성

추가 정보

l 자세한 내용은 모델 설정 장의 유체 섹션을 참조하십시오.

l 주어진 물리적 모델에 필요한 속성에 대한 자세한 내용은 모델 참조 장을 참조하십시오.