Model turbulensi mana yang cocok untuk analisis CFD pada bodi kendaraan yang ramping?


12

Banyak kode CFD komersial dan open-source menerapkan beberapa metode penutupan untuk istilah akselerasi konvektif non-linear dari persamaan Navier-Stokes (RANS) rata-rata Reynolds. Metode umum (juga dikenal sebagai model turbulensi ) meliputi

Manakah dari ini yang cocok untuk simulasi CFD dari badan kendaraan yang efisien? Tujuan dari simulasi adalah untuk memandu penyempurnaan bentuk tubuh untuk meminimalkan gaya seret aerodinamik. Jawaban teladan akan secara singkat menguraikan kelebihan dan kekurangan masing-masing metode untuk aplikasi simulasi ini.


Detail yang berpotensi bermanfaat:

Kendaraan ini adalah kendaraan satu orang kecil dengan dimensi perkiraan

  • L = 2,5 m,
  • W = 0,7 m, dan
  • H = 0,5 m.

Ini akan bepergian dengan kecepatan mulai dari 0 m / s hingga sekitar 12 m / s. Ketiga roda tertutup oleh selubung bodi, dan kendaraan memiliki jarak bebas tanah sekitar 15 cm kecuali di dekat roda, di mana selubung bodi memanjang hingga dalam 1 cm dari permukaan jalan.

Biasanya gaya aerodinamis pada kecepatan ini hampir dapat diabaikan, tetapi anggap bahwa kendaraan ini dirancang untuk bersaing dalam kompetisi "Super Mileage" di jalur yang mulus, sangat ringan, dan menggunakan komponen drivetrain gesekan rendah di seluruh bagiannya, sehingga aerodinamis Pasukan memiliki efek signifikan pada konsumsi bahan bakar yang dapat dicapai.

Jawaban:


12

Model turbulensi dapat membuat perbedaan besar dalam simulasi Anda . Ada banyak model turbulensi di sekitar. Menjadi pekerjaan yang sulit untuk memilih satu dari mereka.

Tidak ada model turbulensi yang sempurna. Itu semua tergantung pada beberapa parameter seperti angka Reynold, apakah aliran dipisahkan, gradien tekanan, ketebalan lapisan batas dan sebagainya. Dalam jawaban ini, informasi singkat tentang beberapa model populer diberikan bersama dengan pro dan kontra dan aplikasi potensial. Namun, pengguna yang tertarik dapat melihat situs web NASA yang luar biasa ini dan referensi di dalamnya untuk mengetahui lebih banyak tentang pemodelan turbulensi.

A) SATU MODEL PERSAMAAN:

1. Spalart-Allmaras

Model ini memecahkan satu variabel tambahan untuk viskositas Spalart-Allmaras. Menurut dokumen NASA , ada banyak modifikasi dalam model ini yang ditargetkan untuk tujuan tertentu.

Kelebihan : Memori kurang intensif, Sangat kuat, konvergensi cepat

Cons : Tidak cocok untuk aliran terpisah, lapisan geser bebas, turbulensi peluruhan, aliran internal yang kompleks

Kegunaan : Komputasi dalam lapisan batas, seluruh alur aliran jika pemisahan ringan atau tidak ada, aerospace dan aplikasi mobil, untuk perhitungan awal sebelum menuju ke model yang lebih tinggi, perhitungan aliran kompresibel

Penerapan pada kasus Anda : kandidat yang baik untuk mengurangi waktu simulasi. Anda dapat memprediksi hambatan dengan model ini. Namun, jika Anda tertarik untuk mengetahui wilayah pemisahan aliran, model ini tidak akan memberikan hasil yang sangat akurat.

________________________________________________________________________________

B) MODEL DUA-PERSAMAAN:

  1. ϵk - model turbulensi:ϵ

Sebuah tujuan umum Model. Model ini memecahkan energi kinetik ( ) dan disipasi turbulen ( ). Persamaan untuk model ini dapat ditemukan di halaman cfd-online ini. Model ini membutuhkan fungsi dinding untuk dihitung untuk implementasi. Hanya cocok untuk aliran penuh turbulen.ϵkϵ

Kelebihan : mudah diimplementasikan, konvergensi cepat, memprediksi aliran dalam banyak kasus praktis, bagus untuk aerodinamika eksternal

Cons : Tidak cocok untuk jet axi-symmetric, aliran vortex dan pemisahan yang kuat. Sensitivitas sangat rendah untuk gradien tekanan yang merugikan, sulit untuk memulai (perlu inisialisasi dengan Spalart-Allmaras), tidak cocok untuk aplikasi dekat dinding

Penggunaan : Cocok untuk iterasi awal, baik untuk aliran eksternal di sekitar geometri kompleks, baik untuk lapisan geser dan aliran bebas dinding tanpa pembatas

Penerapan dalam kasus Anda : Meskipun model ini baik untuk perhitungan luar bluff body, hanya cocok untuk aliran turbulen. Karena kecepatannya rendah, flow akan mengalami transisi dari laminar ke turbulent (maks menggunakan kalkulator ini ). Anda mungkin mendapat manfaat lebih baik dengan varian seperti model - dapat direalisasi . k ϵRe=1.98106kϵ


2. model turbulensi -ωkω :

Memecahkan untuk dan frekuensi turbulensi . Memberikan hasil yang lebih baik untuk aliran dekat dinding. Memprediksi transisi (meskipun terkadang lebih awal). Cukup sensitif terhadap tebakan awal dan karenanya beberapa iterasi awal dilakukan dengan model - . Artikel ini memberikan perawatan dekat dinding untuk model ini. ω k ϵkωkϵ

Kelebihan : Sangat baik untuk lapisan batas, bekerja dalam gradien tekanan yang merugikan, bekerja untuk aliran terpisah yang kuat, jet dan lapisan geser bebas

Cons : Waktu yang diperlukan untuk konvergensi lebih, memori intensif, Membutuhkan resolusi mesh di dekat dinding, memprediksi pemisahan awal dan berlebihan

Penggunaan : Aliran internal, Aliran pipa, Aliran jet, vortisitas

Penerapan dalam kasus Anda : Tidak sepenuhnya cocok untuk kasus Anda karena nilai lapisan batas sangat bergantung pada aliran bebas . Ini membutuhkan kisi yang sangat halus untuk menyelesaikan dan karenanya waktu komputasi yang lama. Juga tidak memperhitungkan pengangkutan tegangan geser turbulen.ω


3. - SSTωkω

Terbaik dari kedua dunia! Model ini memiliki fungsi blending yang menggunakan - dekat dinding dan - di aliran bebas. Itu tidak menggunakan fungsi dinding. Semua varian model ini dapat ditemukan di halaman NASA ini .ω k ϵkωkϵ

Kelebihan : Akun untuk tegangan geser turbulen sambil memberikan semua manfaat model - , Prediksi pemisahan dan transisi yang sangat akurat, aliran bebas yang sangat baik serta hasil lapisan batasωkω

Cons : Tidak cocok untuk geser bebas dan aliran vortex sebanyak standar - , Tidak cocok untuk aliran jet, Membutuhkan resolusi fine mesh dekat dindingωkω

Penggunaan : Aerodinamika eksternal, aliran terpisah, lapisan batas dan gradien tekanan negatif

Penerapan dalam kasus Anda : Sangat berlaku. Jika Anda menginginkan hasil yang lebih baik, gunakan varian sst model yang menggunakan - RNG atau model yang dapat direalisasikan dari dindingϵkϵ


Jadi model mana yang paling tepat?

Dugaan saya adalah model - SST. Karena itu akan memberikan transisi, pemisahan yang lebih baik dan bekerja bahkan di bawah gradien tekanan yang merugikan, Anda akan mendapatkan hambatan gesekan kulit yang lebih baik . Pada saat yang sama, itu bekerja jauh dari dinding, yang akan memberi Anda tekanan yang baik dan karenanya hambatan parasit . Anda akan mendapatkan visualisasi aliran yang lebih baik. Anda dapat menggunakan model Spalart-Allmaras dengan sangat baik, tetapi jika Anda melihat studi ini , Anda akan melihat seberapa besar perbedaan yang dibuat oleh model SST.ωkω

Dan jangan mengambil kata-kata saya untuk itu. Sebuah laporan tentang ' Analisis Aerodinamika dan Evaluasi Koefisien Seret dari Pengendara Sepeda Time-Trial ' menggunakan model SST. Makalah ini membandingkan semua hasil model turbulensi untuk aerodinamika pengendara sepeda dan sampai pada kesimpulan bahwa model SST memberikan hasil keseluruhan terbaik. Saya mengutip hasil ini karena angka Reynold bijak dan dimensi bijaksana, sepeda lebih mendekati kasus Anda, di mana banyak studi tersedia.

kϵkϵkϵ

Jika Anda memiliki sumber daya komputasi yang lebih baik, gunakan LES . Tapi saya merasa itu tidak diperlukan dalam kasus ini dan mungkin tidak sesuai. Saya tidak punya pengalaman dengan LES, jadi tidak bisa berkomentar.


Beberapa sumber daya yang menarik:

  1. Rumah FOAM : Jika Anda ingin mempelajari OpenFOAM langkah demi langkah

  2. Kemajuan terbaru pada pemodelan numerik arus turbulen

  3. 21st

  4. Model Turbulensi dan Penerapannya pada Aliran Kompleks

Semua yang terbaik!

Bersulang!


2

Saya tidak bisa mengatakan bahwa ini akan menjadi jawaban yang ideal, tetapi seharusnya Anda memulainya. Seperti yang akan terlihat, saya bukan ahli sejati.

ϵω

Dalam tiga tengah, SST (jadi saya diberitahu) lebih baik dalam memprediksi pemisahan aliran dengan benar. Dua lainnya memiliki kebiasaan untuk tidak memprediksi pemisahan ketika mereka seharusnya. Mengingat bahwa pemisahan umumnya menyebabkan hambatan, ini dapat menghasilkan desain yang cacat tampak bagus.

Sementara RSM pasti akan lebih disukai jika memungkinkan, itu akan menjadi yang paling memakan waktu karena menambahkan 7 persamaan di atas NS. 10 tahun yang lalu, Anda mungkin harus membuat pilihan yang sulit di sini. Thesis hari ini Anda harus dapat membalikkan model RSM kendaraan jenis ini dalam jumlah waktu yang wajar.

Saya telah bekerja pada desain aero FSAE (mobil balap kursi tunggal) selama beberapa bulan terakhir dan telah menemukan penggunaan RSM masuk akal untuk dijalankan pada laptop yang cukup tinggi atau desktop rig gaming yang terhormat. Anda juga dapat menemukan tempat di mana Anda dapat menyewa waktu berjalan jika Anda perlu mengevaluasi sejumlah besar iterasi desain. Saya dapat menambahkan nama perusahaan yang kami gunakan yang didirikan untuk menjalankan perangkat lunak yang kami butuhkan dan membantu kami dengan harga siswa (seseorang tolong beri komentar jika itu sesuai untuk SE).

Sedikit menyinggung: Saya sangat menyarankan Anda mencari makalah (idealnya eksperimental) yang dapat Anda gunakan untuk memvalidasi metode Anda. Kami memastikan bahwa kami dapat menciptakan kembali (dengan alasan) hasil dari percobaan terowongan angin sebelum kami melanjutkan menjalankan desain kami sendiri. Penting juga untuk menjalankan analisis sensitivitas jala untuk memastikan bahwa Anda menyelesaikan struktur aliran.

Juga, lapisan prisma yang keluar dari permukaan Anda (untuk lebih baik menyelesaikan lapisan batas) adalah penting.

Terakhir: dokumen ini dari orang-orang di Fluent agak tua, tetapi masih sangat membantu dalam memulai kami. (maaf untuk tautan scribd.


0

kωSST

Jika Anda mampu membeli banyak simulasi, saya akan menggunakan model yang berbeda dan membandingkan. Dengan cara ini Anda dapat mengidentifikasi pengaruh model turbulensi dalam aplikasi khusus Anda.

Bisakah Anda mengklarifikasi jika Anda mencari distribusi kecepatan optimal atau jika Anda lebih tertarik pada pemisahan?

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.