שְׁאֵלָה:
אילו דגמי טורבולנס מתאימים לניתוח CFD על גוף רכב יעיל?
Paul Gessler
2015-01-29 01:27:50 UTC
view on stackexchange narkive permalink

קודי CFD מסחריים ומקור פתוח רבים מיישמים מספר שיטות סגירה למונח ההאצה הסיבובי הלא ליניארי של משוואות Navier-Stokes (RANS) בממוצע של ריינולדס. שיטות נפוצות (הידועות גם כ מודלים של טורבולנס ) כוללות

אילו מבין אלה מתאימים לדמיית CFD של גוף רכב יעיל? מטרת הסימולציות היא להנחות את עידון צורת הגוף כדי למזער את כוחות הגרירה האווירודינמיים. תשובה מופתית תתאר בקצרה את היתרונות והחסרונות של כל שיטה ליישום סימולציה זה.


פרטים שימושיים פוטנציאליים:

הרכב הוא רכב יחיד אחד עם משוער מידות

  • L = 2.5 מ ',
  • W = 0.7 מ', ו
  • H = 0.5 מ '.

היא תעבור במהירויות שנעות בין 0 מ 'לשנייה לכ 12 מ' לשנייה. כל שלושת הגלגלים מוקפים במעטפת המרכב, ולרכב מרווח קרקע משוער של 15 ס"מ למעט ליד הגלגלים, שם מעטפת המרכב משתרעת עד 1 ס"מ משטח הכביש.

אווירודינמי בדרך כלל. כוחות במהירויות אלה כמעט זניחים, אך מניחים שרכב זה מתוכנן להתחרות בתחרות "Super Mileage" במסלול חלק, משקל קל מאוד ומשתמש ברכיבי הנעה נמוכים עם חיכוך לכל אורך הדרך, כך שלכוחות האווירודינמיים יש השפעה משמעותית על צריכת הדלק בר השגה.

שְׁלוֹשָׁה תשובות:
#1
+12
Subodh
2015-01-29 13:53:02 UTC
view on stackexchange narkive permalink

מודל הסערה יכול לחולל הבדל גדול בסימולציה שלך. ישנם מודלים רבים של מערבולת מסביב. זה הופך להיות עבודה קשה לבחור אחד מהם.

אין מודל מערבולת מושלם. הכל תלוי בכמה פרמטרים כמו מספרו של ריינולד, אם הזרימה מופרדת, שיפועי לחץ, עובי שכבת הגבול וכן הלאה. בתשובה זו, מידע קצר על כמה דגמים פופולריים ניתן יחד עם יתרונות וחסרונות ויישומים פוטנציאליים. עם זאת, משתמשים המעוניינים יכולים לראות את אתר נאס"א המצוין הזה והפניות בו כדי לדעת יותר על דוגמנות טורבולנס.

א) מודל משוואה אחד:

1. Spalart-Allmaras

מודל זה פותר משתנה אחד נוסף לצמיגות Spalart-Allmaras. על פי מסמך נאס"א, ישנם שינויים רבים במודל זה המיועד למטרות ספציפיות.

יתרונות : זיכרון פחות אינטנסיבי, התכנסות מאוד חזקה ומהירה.

חסרונות : לא מתאים לזרימה מופרדת, שכבות גזירה חופשיות, מערבולת מתפוררת, זרימות פנימיות מורכבות

שימושים : חישובים ב שכבות גבול, שדה זרימה שלם אם הפרדה קלה או ללא הפרדה, יישומי חלל ומכוניות, לחישובים ראשוניים לפני שעוברים לחישובי זרימה דחוסים גבוהים יותר

יישום במקרה שלך : מועמד טוב להפחתת זמן הדמיה. אתה יכול לחזות את הגרור די טוב עם מודל זה. עם זאת, אם אתה מעוניין להכיר את אזור הפרדת הזרימה, מודל זה לא ייתן תוצאות מדויקות ביותר.

______________________________________________________________________________________

B) שני דגמי משוואות:

  1. $ k $ - $ \ epsilon $ מודל טורבולנס:

מודל ל מטרה כללית. מודל זה פותר אנרגיה קינטית ($ k $) ופיזור סוער ($ \ epsilon $). את המשוואות עבור מודלים אלה ניתן למצוא ב דף CFD מקוון זה. מודל זה מחייב לחשב פונקציות קיר לצורך ההטמעה. מתאים רק לזרימות סוערות לחלוטין.

יתרונות : פשוט ליישום, התכנסות מהירה, מנבא את הזרימות במקרים מעשיים רבים, טוב לאווירודינמיקה חיצונית

חסרונות : לא מתאים למטוסי אקס-סימטריה, זרימת מערבולת והפרדה חזקה. רגישות נמוכה מאוד לשיפועי הלחץ השליליים, קשה להתחיל (צריך אתחול עם Spalart-Allmaras), לא מתאים ליישומי קיר ליד

שימושים : מתאים לאיטרציות ראשוניות, טוב ל זורם חיצוני סביב גיאומטריות מורכבות, טוב לשכבות גזירה וזרמים חופשיים שאינם מוגבלים בקירות

יישום במקרה שלך : למרות שמודל זה טוב לחישוב גוף בלוף חיצוני, הוא מתאים רק לזרימות סוערות. מכיוון שהמהירויות נמוכות, הזרימה תחווה מעבר בין למינרית לסוערת (מקסימום $ Re = 1.98 * 10 ^ 6 $ באמצעות מחשבון זה). אולי תרוויחו טוב יותר עם גרסה כמו מימוש $ k $ - $ \ epsilon $.


2. $ k $ - $ \ omega $ מודל טורבולנס :

פותר עבור $ k $ ותדירות מערבולת $ \ omega $. נותן תוצאות טובות יותר עבור זרימות קיר. מנבא מעבר (אם כי מוקדם לפעמים). רגיש למדי לנחש הראשוני ולכן מספר חזרות ראשוניות מבוצעות במודל $ k $ - $ \ epsilon $. מאמר זה נותן טיפול קרוב לקיר עבור מודל זה.

יתרונות : מעולה לשכבות גבול, עובד בשיפוע לחץ שלילי, עובד לזרימות חזקות מופרדות, סילונים ושכבות גזירה חופשיות

חסרונות : הזמן הנדרש להתכנסות הוא רב יותר, זיכרון אינטנסיבי, דורש רזולוציית רשת ליד הקיר, מנבא הפרדה מוקדמת ומוגזמת

שימושים : זרמים פנימיים, זרמי צינורות, זרמי סילון, מערבולות

תחולה במקרה שלך : לא מתאים לחלוטין למקרה שלך מאז הגבול ערכי השכבה תלויים מאוד בזרם חופשי $ \ omega $. זה דורש רשת דקה מאוד לפתרון ומכאן זמן חישוב ארוך. כמו כן, הוא אינו מתחשב בהובלת לחץ גזירה סוער.


3. $ k $ - $ \ omega $ SST

הטוב משני העולמות! למודל זה יש פונקציית מיזוג המשתמשת $ k $ - $ \ omega $ ליד הקיר ו- $ k $ - $ \ epsilon $ בזרם החינמי. הוא אינו משתמש בפונקציות קיר.
ניתן למצוא את כל הווריאציות של דגם זה ב דף נאס"א זה.

יתרונות : חשבונות למתח גזירה סוער תוך מתן כל היתרונות של $ k $ - $ \ omega $ מודל, חיזוי מדויק מאוד של הפרדה ומעבר, זרם חופשי טוב מאוד כ כמו גם תוצאות שכבת הגבול

חסרונות : לא מתאים לגזירה חופשית ומערבולות זורם כמו $ k $ רגיל - $ \ omega $, לא מתאים לזרמי סילון, דורש קנס רזולוציית רשת ליד קירות

שימושים : אווירודינמיקה חיצונית, זרימות מופרדות, שכבות גבולות ושיפועי לחץ שליליים

יישום במקרה שלך : ישים מאוד. אם אתה רוצה תוצאות טובות יותר, השתמש בגרסה של מודל sst המשתמש ב- $ k $ - $ \ epsilon $ RNG או במודל שניתן לממש הרחק מהקירות


אז איזה דגם מתאים ביותר?

הניחוש שלי יהיה $ k $ - $ \ omega $ SST. מכיוון שהוא ייתן מעבר טוב יותר, הפרדה ופועל גם בשיפועי לחץ שליליים, תקבל גרירת חיכוך עור טובה יותר. יחד עם זאת, הוא פועל הרחק מהקירות, מה שייתן לך גרירת לחץ טובה ומכאן ש גרירה טפילית. תקבל הדמיית זרימה טובה יותר. אתה יכול מאוד להשתמש במודל Spalart-Allmaras, אך אם תראה את המחקר הזה, תבחין בכמה הבדל מודל SST עושה.

ואל תתייחס למילה שלי. דוח על ' ניתוח אווירודינמי והערכת מקדם גרר של רוכבי אופניים בזמן' 'משתמש במודל SST. מאמר זה משווה את כל תוצאות מודלי הסערה לאווירודינמיקה של רוכבי אופניים ומגיע למסקנה כי מודל SST נותן את התוצאות הכוללות הטובות ביותר. אני מצטט את התוצאות האלה מכיוון שהמספר החכם והממדי של ריינולד, אופניים מתקרבים ביותר למקרה שלך, שעבורו טונות של מחקרים זמינים.

עם זאת, אם הזמן מוגבל במקרה שלך, עבור למודל Spalart-Allmaras. אתה יכול גם ללכת על RNG $ k $ - $ \ epsilon $ או למימוש $ k $ - $ \ epsilon $ במקרה זה. עם זאת, מחקר זה של גלגל אופניים מראה, מודל S-A נותן תוצאות טובות יותר מ- $ k $ - $ \ epsilon $ (זה מאוד ספציפי לגיאומטריה, מודל שונה עשוי לעבוד בגיאומטריה שלך). אם יש לך את כל הזמן בעולם, ערוך מחקרים באמצעות מודל SST ו- epsilon ופרסם את ההשוואה שלך כך שאחרים עשויים ליהנות גם מכך.

אם יש לך משאבי חישוב טובים יותר, עבור אל LES. אבל אני מרגיש שזה לא מתבקש במקרה זה ואולי זה לא מתאים. אין לי ניסיון עם LES, ולכן אני לא יכול להגיב.


כמה משאבים מעניינים:

  1. בית FOAM: אם אתה רוצה ללמוד OpenFOAM שלב אחר שלב

  2. ההתקדמות האחרונה בנושא הדוגמנות המספרית של זרימות סוערות

  3. הרצאות במערבולות עבור $ 21 ^ {st} $ המאה - מומלץ מאוד לקרוא אם ברצונך להבין מערבולת

  4. מודלים של מערבולת ויישומם על זרימות מורכבות

כל הכבוד!

לחיים!

#2
+2
Dan
2015-01-29 12:02:21 UTC
view on stackexchange narkive permalink

אני לא יכול לומר שזו תהיה התשובה האידיאלית, אבל זה אמור להתחיל אותך. כפי שנראה, אני לא מומחה אמיתי.

איכות המודלים הללו תעלה בדרך כלל עם התחכום שלהם, שבמקרה זה בעצם עוקב אחר מספר המשוואות. אז (S-A) יהיה הכי פחות יעיל בעוד k - $ \ epsilon $, k - $ \ omega $ ו- SST יהיו טובים יותר. RSM יהיה הטוב ביותר.

בתוך שלוש האמצעיות, SST (כך נאמר לי) טוב יותר בניבוי נכון של הפרדת זרימה. לשניים האחרים יש הרגל לא לחזות פרידה מתי הם צריכים. בהתחשב בכך שהפרדה גורמת בדרך כלל לגרור, אלה עלולים לגרום לעיצוב לקוי שנראה טוב.

בעוד ש- RSM בהחלט יהיה מועדף במידת האפשר, זה ייקח זמן רב ביותר מכיוון שהוא מוסיף 7 משוואות על גבי N-S. לפני 10 שנים אולי היית צריך לבחור כאן קשה. בימים אלה אתה אמור להיות מסוגל להסתובב עם דגמי RSM של סוג זה בכמויות סבירות של זמן.

עבדתי על עיצוב Aero של FSAE (מכונית מירוץ חד-פעמית עם גלגלים) עבור ה- במהלך החודשיים האחרונים ומצא כי השימוש ב- RSM הוא סביר להפעלה במחשב נייד מתקדם למדי או בכל שולחן עבודה מכובד. אתה יכול גם למצוא מקומות שבהם אתה יכול לשכור זמן ריצה אם אתה צריך להעריך מספר גדול של איטרציות עיצוביות. אני יכול להוסיף את השם של חברה שהשתמשנו בה שהוקמה להפעלת התוכנה הדרושה לנו ועזרה לנו במחירי סטודנטים (מישהו אנא הגיב אם זה מתאים ל- SE).

משיק קל : אני ממליץ לך בחום לחפש מאמרים (אידיאליים ניסיוניים) שבהם תוכל להשתמש כדי לאמת את השיטות שלך. הקפדנו מאוד שנוכל לשחזר תוצאות (מתוך סיבה) מניסויים במנהרות רוח לפני שהמשכנו להפעיל את העיצובים שלנו. חשוב גם לבצע ניתוח רגישות רשת כדי לוודא שאתה פותר את מבנה הזרימה.

כמו כן, שכבות פריזמה היורדות מהמשטחים שלך (כדי לפתור טוב יותר שכבות גבול) חשובות.

אחרון: מסמך זה מאנשי Fluent הוא מעט ישן, אבל עדיין עזר מאוד להתחיל אותנו. (סליחה על קישור ה- scribd.

#3
  0
rul30
2015-04-18 14:41:38 UTC
view on stackexchange narkive permalink

במקרה שיש לך רק את המשאבים לבצע סימולציה אחת בלבד הייתי מסכים עם @Subodh ומשתמש ב- $ k- \ omega \: SST $.

במקרה שאתה יכול להרשות לעצמך מספר סימולציות שהייתי משתמש בהן מודלים שונים והשווה. בדרך זו תוכלו לזהות את ההשפעה של מודל הסערה ביישום הספציפי שלכם.

האם תוכלו להבהיר אם אתם מחפשים התפלגות מהירות אופטימלית או אם אתם מעוניינים יותר בהפרדות?



שאלה ותשובה זו תורגמה אוטומטית מהשפה האנגלית.התוכן המקורי זמין ב- stackexchange, ואנו מודים לו על רישיון cc by-sa 3.0 עליו הוא מופץ.
Loading...