Бесплатный фрагмент - Современные аспекты численного моделирования аэродинамики автомобиля в CFD системах

Введение

В современном мире автомобилестроения, аэродинамика играет ключевую роль в проектировании эффективных и безопасных транспортных средств. Она не только влияет на скоростные характеристики и потребление топлива, но и определяет устойчивость автомобиля на дороге. С развитием вычислительной техники, численное моделирование стало неотъемлемой частью аэродинамического проектирования, позволяя инженерам предсказывать поведение воздушных потоков вокруг автомобильных конструкций с высокой точностью.

Системы вычислительной гидродинамики (CFD) стали мощным инструментом в руках специалистов, и среди них система StarCCM+ занимает особое место благодаря своей гибкости и точности. В данной работе мы рассмотрим современные аспекты применения численного моделирования в аэродинамике на примере системы StarCCM+, анализируя её возможности и преимущества перед другими CFD системами.

Начнем с обзора основных концепций и подходов в численном моделировании, затем перейдем к детальному изучению функционала StarCCM+ и его применения в аэродинамическом проектировании. Целью данного исследования является не только описание существующих методик, но и поиск путей для оптимизации процесса моделирования, что в конечном итоге приведет к созданию более совершенных и экономичных автомобилей.

1. Обзор численного моделирования в аэродинамике

Численное моделирование в аэродинамике — это мощный инструмент, который позволяет инженерам и исследователям анализировать и предсказывать поведение воздушных потоков вокруг различных объектов, включая автомобили. С развитием компьютерных технологий и увеличением вычислительной мощности, численное моделирование стало неотъемлемой частью процесса проектирования в автомобилестроении.

В начале своего развития, численное моделирование аэродинамики было ограничено простыми двумерными моделями и линейными уравнениями. Однако, с появлением трехмерных моделей и нелинейных уравнений Навье-Стокса, возможности моделирования значительно расширились. Эти уравнения описывают движение вязкой несжимаемой жидкости и являются основой для большинства современных CFD (Computational Fluid Dynamics) программ.

Современные подходы

Сегодня численное моделирование использует сложные математические модели и алгоритмы для имитации аэродинамических процессов. Оно включает в себя:

— Методы дискретизации, такие как метод конечных объемов, метод конечных элементов, и метод спектральных элементов.

— Турбулентные модели, включая k−ε, k−ω, и LES (Large Eddy Simulation), которые позволяют моделировать турбулентные потоки с высокой степенью точности.

— Оптимизацию сеток, что важно для точности и эффективности расчетов, особенно в областях с высоким градиентом давления и скорости.

В автомобилестроении численное моделирование используется для:

— проектирования аэродинамических форм кузова, чтобы минимизировать сопротивление воздуха и сделать автомобиль более экономичным;

— анализа воздушного потока через радиатор и системы охлаждения для оптимизации теплоотвода;

— исследования влияния ветра на устойчивость автомобиля при высоких скоростях;

— исследование процесса загрязнения поверхности автомобиля.

Численное моделирование остается в авангарде аэродинамического проектирования, предоставляя инженерам инструменты для создания более безопасных, экономичных и экологичных автомобилей. С улучшением алгоритмов и увеличением вычислительных мощностей, его роль будет только усиливаться, открывая новые горизонты в проектировании и исследованиях.

1.1. История и развитие вычислительной гидродинамики (CFD) (Computational Fluid Dynamics)

Вычислительная гидродинамика (CFD) — это отрасль механики жидкости, которая использует численные методы и алгоритмы для решения и анализа проблем, связанных с потоками жидкостей. С момента своего зарождения в середине 20-го века, CFD прошла долгий путь развития от простых двумерных расчетов до сложных трехмерных моделирований мультифизических процессов.

Перечислим лишь некоторых известных ученых и исследователей, которые внесли значительный вклад в развитие CFD:

— Людвиг Прандтль — немецкий ученый, чьи работы положили начало современной аэродинамике и теории границ слоев.

— Джон фон Нейман — математик, сделавший значительный вклад в развитие численных методов и компьютерных технологий, которые легли в основу CFD.

— Сухас Патанкар — автор метода SIMPLE для расчета несжимаемых потоков, широко используемого в программном обеспечении CFD.

— Филип Спаларт и Стивен Аллмарас — разработчики модели турбулентности Spalart-Allmaras, популярной в аэродинамических расчетах.

В 21 веке множество ученых внесли значительный вклад в развитие аэродинамики автомобилей и CFD (вычислительной гидродинамики), отметим лишь некоторых из них:

— Анатолий Коротеев — российский ученый, внесший значительный вклад в область аэродинамики и теплообмена.

— Сингхи Сенгупта — известен своими работами по устойчивости и управлению потоками в аэродинамике.

— Филип Спаларт — продолжил работу над моделями турбулентности, которые находят широкое применение в CFD.

— Клаус Хоффман — немецкий ученый, специализирующийся на аэродинамике и аэроакустике.

История CFD начинается с разработки основных уравнений гидродинамики, таких как уравнения Навье-Стокса, которые были сформулированы в 19-м веке. Однако, до появления компьютеров, решение этих уравнений было ограничено простыми задачами. Первые попытки численного решения уравнений гидродинамики были предприняты в 50-х годах 20-го века, когда ученые начали использовать первые компьютеры для моделирования аэродинамических потоков.

С развитием компьютерной техники и программного обеспечения в 60-70-е годы, CFD начала активно применяться в аэрокосмической и автомобильной промышленности. В это время были разработаны методы, такие как метод конечных разностей и метод конечных объемов, которые позволили более точно моделировать сложные потоки.

В 80-е и 90-е годы произошел значительный прорыв в CFD благодаря внедрению метода конечных элементов и появлению специализированных программных пакетов, таких как FLUENT и StarCCM+. Эти программы предоставили инженерам инструменты для более сложного моделирования, включая турбулентные потоки и мультифизические процессы.

С началом нового тысячелетия CFD стала еще более доступной благодаря увеличению вычислительной мощности и развитию облачных технологий. Современные CFD-пакеты позволяют проводить расчеты с высокой степенью детализации, включая сложные геометрии и мультифизические взаимодействия.

На сегодняшний день CFD является неотъемлемой частью процесса проектирования во многих отраслях, от автомобилестроения до медицины. Исследователи продолжают работать над улучшением алгоритмов и методов для увеличения точности и сокращения времени расчетов. Будущее CFD связано с интеграцией искусственного интеллекта и машинного обучения, что позволит автоматизировать процесс проектирования и открыть новые горизонты в оптимизации и инновациях.

Таким образом, CFD продолжает развиваться, предоставляя инженерам и ученым все более мощные инструменты для понимания и управления сложными физическими процессами.

1.2. Об источниках загрязнения автомобиля

С ростом скоростей движения на дорогах остро стает вопрос о безопасности движения в неблагоприятных условиях, что сопряжено с загрязнение поверхности самого автомобиля, стекол, внешних зеркал, поверхностей видеокамер и т. д. Это требует дополнительных исследований по исследованию процесса налипания жидких частиц и частиц пыли на поверхность автомобиля. Экспериментальные исследования такого плана являются весьма дорогостоящими с одной стороны, а с другой они не могут полностью воспроизвести весь комплекс сил действующих на автомобиль в условиях интенсивного многополосного движения, где вихревые потоки от встречного и впереди идущего транспорта оказывают существенное влияние на аэродинамики автомобиля и его загрязняемость.

Вещество может быть классифицировано как загрязнитель, если оно является экзогенным по отношению к поверхности анализируемого транспортного средства и, как предполагается, негативно влияет на визуальную перцепцию водителя, видимость соседних участников дорожного движения, функциональность ключевых подсистем или внешнюю привлекательность. Примером такого вещества может служить дождевая вода, которая при естественных осадках образует капли с радиусом, варьирующимся от минимальных 0.1 мм до стандартных 1.5 мм. Предполагается, что дождевая вода содержит минимальное количество твердых частиц. Тем не менее, при контакте с прозрачными поверхностями, такими как стекло, вода создает потоки и пленки, которые могут деформировать визуальное восприятие водителя.

Дорожные покрытия могут аккумулировать разнообразные твердые фракции загрязнителей, происходящие как из естественных, так и антропогенных источников, которые впоследствии могут оседать на поверхности транспортных средств. Педосфера служит источником более крупных частиц (с диаметром от 2,5 до 10 мм), которые накапливаются на асфальте и могут быть распространены посредством аэротранспорта, гидротранспорта и транспорта, обусловленного движением транспортных средств. К природным загрязнителям также относятся песчаные частицы в аридных регионах и морская соль в прибрежных зонах. В то же время, значительное количество твердых загрязнителей, оседающих на дорожных покрытиях и автомобильных кузовах, генерируется в результате человеческой деятельности, включая процессы сгорания, такие как окисление топлива в двигателях автомобилей. Обычно это включает углерод, выделяемый при сгорании дизельного топлива, а также компоненты других видов топлива и моторных масел. Значительный вклад вносят также износ тормозных систем и шин, а также пыль, возникающая в результате абразивного износа самого дорожного покрытия. В зимний период на дорожных покрытиях также присутствует антигололедная соль. Следовательно, дорожная пыль является комплексной смесью как природных, так и синтетических элементов. Во время осадков дорожная пыль вступает в реакцию с водой, формируя загрязняющую суспензию, которая может быть разбрызгана с поверхности дороги колесами транспортных средств.

Автомобили не только способствуют загрязнению окружающей среды, но и подвергаются самозагрязнению. Метеорологические осадки, взаимодействуя с детергентами, применяемыми для очистки световых приборов и ветрового стекла, могут оседать на латеральных стеклянных поверхностях и кузовных элементах, окрашенных эмалью. Дополнительно, в процессе торможения формируется специфическая пыль, способная накапливаться на ступицах колёс и деградировать лакокрасочное покрытие. Также, частицы сажи, являющиеся результатом сгорания дизельного топлива, могут значительно загрязнять бампер автомобиля.

Источники загрязнения транспортных средств классифицируются в зависимости от их происхождения на три основные категории: прямые источники загрязнения, внешние источники и источники самозагрязнения. Атмосферные осадки, относящиеся к категории прямых источников, обычно аккумулируются на экстерьерных поверхностях автомобиля, включая капот, ветровое стекло, передние боковые стекла, крышу и заднее стекло. Это контрастирует с загрязнением, вызванным внешними агентами, такими как другие участники дорожного движения, чьи транспортные средства могут создавать брызги, воздействующие на автомобиль при движении рядом или навстречу. Результирующая смесь воды и твердых частиц предпочтительно оседает на передних выступающих частях автомобиля, включая ветровое стекло, передние боковые стекла, зеркала и фары. В отношении самозагрязнения, капли различного происхождения, попадающие на шины, способствуют образованию потока частиц, которые формируют «зону отложения» на боковых поверхностях кузова, простирающуюся от переднего до заднего колеса. Пылевой поток, генерируемый вращающимися задними колесами, является первичным источником загрязнения задней части автомобиля.

Водные массы, поднимаемые с поверхности дороги вращающимися колёсами автомобилей, могут быть классифицированы на основе направления их распространения, размера капель и механизма их генерации. В работе Maycock [6] проводится дифференциация источников загрязнения преимущественно по размеру частиц. Weir [7] предлагает более детализированную классификацию, выделяя четыре основные категории: фронтальная волна; боковая волна; сцепление с протектором; капиллярное удержание.

Первые две категории относятся к типу «брызг» и состоят из более крупных частиц, движущихся по баллистическим траекториям, которые либо сталкиваются с нижней частью автомобиля, либо возвращаются на дорожное покрытие, оказывая минимальное воздействие на загрязнение автомобильных поверхностей. Оставшиеся две категории описывают более мелкие частицы, которые можно классифицировать как «пыль». Третья категория включает воду, проходящую через протектор шины и удаляемую в начале её вращения. В случае капиллярного удержания, вода задерживается на поверхности шины и затем отделяется в процессе вращения. Weir [7] определил, что капли, формируемые протектором, могут иметь радиус от мелкого (менее 1 мм) до среднего (около 2 мм). Частицы, выбрасываемые из капиллярной пленки на верхней части шины, формируют очень мелкую пылевую фракцию, составляющую около 1% от объёма воды, уловленной протектором. Эти процессы представляют собой значимый источник загрязнения автомобильных поверхностей со стороны других транспортных средств, что делает последние две категории примером внешнего источника загрязнения.

Исследования, направленные на определение количественного распределения размеров пылевых частиц в аэрозольных выбросах, были осуществлены Shearman [8], за которым последовали работы Borg и Vevang [9]. Shearman [8] применил лазерную измерительную систему высокого разрешения для анализа диаметров частиц в аэрозольном потоке, генерируемом грузовиком, движущимся со скоростью 96,6 км/ч по увлажнённой трассе. Borg и Vevang [9] использовали гидрофобные пластины для изучения распределения частиц в аэрозольном следе за движущимся грузовиком на влажной дороге. Результаты Shearman [8] показали доминирование мелких частиц с диаметром менее 0,1 мм, с пиками распределения, зафиксированными на наименьшем измеренном диаметре 9,3 {} 10—6 м и среднем значении диаметра частиц 8,73 {} 10—5 м. Подобные результаты получены Borg и Vevang [9]. Экспериментальные исследования, проведённые в данной области, способствуют количественной оценке характеристик пылевых частиц, выступающих в качестве загрязнителей. Такой анализ имеет ключевое значение, учитывая, что транспортные средства постоянно контактируют с пылевыми аэрозолями, которые являются значимым фактором внешнего загрязнения. В свою очередь, исследования Bauchet [10] по измерению пылевых потоков, генерируемых автомобилем, предоставляют ценные данные о внутренних источниках самозагрязнения. В ходе экспериментов в аэродинамической трубе были определены свойства и динамика потока загрязняющих частиц на расстоянии до 1 метра от задних колёс испытываемого автомобиля. При скорости движения 80 км/ч было выявлено, что средний диаметр частиц составляет 0,2 мм. С увеличением скорости вращения колёс наблюдается тенденция к уменьшению среднего диаметра частиц и росту доли более мелких частиц, что указывает на интенсификацию процессов их дезинтеграции при повышении температур и скоростей. Эти результаты существенно отличаются от данных, полученных Shearman [8], которые свидетельствуют о преобладании более мелких частиц. Однако следует отметить, что измерения Bauchet [10] проводились в непосредственной близости от транспортного средства, что снижало влияние факторов, препятствующих присутствию более крупных частиц, таких как их разрушение и возвращение на дорожное покрытие.

В рамках лабораторного исследования был проанализирован процесс дренажа воды через протекторы шин. Исследователи Radovich и Plocher [11] использовали экспериментальную установку, состоящую из двух расположенных рядом колёс с идеализированными протекторами, находящимися в контакте друг с другом. На верхней части зоны контакта была размещена вода, а динамика стекания воды из протекторов под действием центробежных сил была зафиксирована с помощью высокоскоростной видеосъёмки. Результаты показали, что при увеличении скорости вращения колёс формируются более мелкие капли воды, что коррелирует с выводами исследования Буше. В последующем эксперименте Plocher and Browand [12] выявили, что протекторы с меньшими размерными характеристиками канавок (то есть более узкие или мелкие) быстрее освобождаются от воды, создавая большее количество брызг на более низких высотах относительно поверхности дороги. В то же время шины с более глубокими канавками дольше удерживают воду, что приводит к её подъёму на большую высоту от дороги и увеличению количества брызг на задней стороне шины. Эти наблюдения указывают на возможную корреляцию между характеристиками самозагрязнения и конструктивными особенностями протектора шины. Тем не менее, упрощённая модель шин, представление контакта шины с дорогой как симметричного контакта между двумя шинами, а также отсутствие учёта аэродинамических эффектов транспортного средства в данных экспериментах оставляют открытыми вопросы влияния этих факторов на процесс самозагрязнения.

Концепция шины как источника загрязнения была подвергнута анализу в рамках отдельных экспериментальных исследований, проведённых компанией Kuthada и Cyr [13], за которыми последовали работы Spruss et al. [14]. В обоих случаях изолированное колесо монтировалось на ступицу в исследовательских учреждениях Лесного института Крафтфахрвезен и Термовоздушной камеры Fahrzeugmotoren Stuttgart (FKFS). Структура частиц, формирующихся на поверхности шины, была визуализирована с использованием лазерной подсветки, что позволило наблюдать за распределением загрязнителей в пространстве вокруг колеса. Spruss применил метод лазерной дифракции для определения относительного размерного распределения капель. Эти эксперименты служат образцом для калибровки численных моделей. К примеру, Kuthada и Cyr [13] описали численное моделирование, в котором диаметр частиц, моделирующих водяные струи, подбирался до достижения экспериментально установленной топологии распыления. Соответствие было достигнуто при диаметре частиц в 0,2 мм, что согласуется с прямыми измерениями Буше. Применение калиброванных моделей распыления стало отправной точкой для численного моделирования процессов самозагрязнения. Однако такие модели имеют ряд ограничений, включая игнорирование изгибных и боковых косых волн, не учёт различий в размерном распределении капель, обусловленных адгезией протектора и капиллярными эффектами, а также не учёт влияния конструкции протектора шины. Влияние этих упрощений на результаты моделирования остаётся неизученным, но существует потенциал для более точного моделирования процессов формирования брызг с использованием численных методов, позволяющих вращать шину (вместо применения граничного условия скорости вращения), что может способствовать более глубокому пониманию физики процессов поглощения и высвобождения воды, но требует значительных вычислительных ресурсов.

1.3. О численном моделировании загрязнения поверхности тела

Применение численного моделирования обеспечивает комплексное осмысление физических процессов на ранней фазе проектирования изделий. Это способствует идентификации необходимых конструктивных модификаций до внедрения затратных инструментальных комплексов или создания прототипов транспортных средств, что ведёт к сокращению расходов на разработку и улучшению качественных характеристик конечного продукта. С учетом эволюции функциональных возможностей программного обеспечения для вычислительной гидродинамики (Computational Fluid Dynamics, CFD), охватывающего многофазные потоки, и роста вычислительных мощностей, численное моделирование становится всё более востребованным инструментом.

Методологические основы заложенные Hagemeier [15], инициировали разработку универсальных вычислительных методик, адаптированных для исследований автомобильного загрязнения из практики аэрокосмической индустрии. Применение лагранжева подхода к отслеживанию траекторий частиц обеспечило визуализацию капель в воздушной среде и их взаимодействие с авиационными газотурбинными двигателями. Аналогичная методика была интегрирована в автомобилестроение для моделирования процессов распыления топлива в цилиндрах двигателей. Расширение функционала моделей включало симуляцию столкновений капель со стенками, их последующее разбрызгивание и фрагментацию. Последующие оптимизации моделей предусматривали репрезентацию поверхностных пленок, используя как непрерывные, так и дискретные подходы, базирующиеся на частицах. Эти разработки положили начало современным методикам, применяемым для моделирования загрязнения поверхностей автомобилей.

Аэродинамическое поле потока воспроизводится с использованием стандартных моделей вычислительной динамики жидкости (CFD); дисперсные фазы в атмосфере моделируются с применением Лагранжева метода частиц, в то время как водные покрытия на экстерьере транспортного средства репрезентируются через модели тонких пленок. Данная методика находит применение в исследованиях как экологического управления водными ресурсами (EWM), так и загрязнения автомобильных поверхностей, благодаря её вычислительной эффективности.

В частности, тонкопленочные модели базируются на серии упрощений, известных как «тонкопленочное приближение», для упрощенного описания динамики жидкости на автомобильных поверхностях. Эти модели обычно включают предположения о том, что толщина пленки незначительна по сравнению с радиусами кривизны поверхности; поток в пленке является ламинарным и тангенциальным к поверхности, с линейным изменением в нормальном направлении; скорости воздушного потока над пленкой значительно превышают скорости в пленке, что позволяет рассматривать поверхность как твердое тело для расчетов воздушного потока. Эти предположения позволяют сформулировать упрощенный набор уравнений. Для имитации воздействия капель на поверхность и формирования водной пленки, сначала происходит добавление тангенциального импульса от Лагранжевых частиц к пленке, а затем преобразование нормальной составляющей импульса частиц в межфазное давление на пленке в точке столкновения. Физическая значимость этого заключается в том, что без учета этого вклада, частицы, сталкивающиеся с поверхностью нормально, не будут способствовать изменению инерции водной пленки, независимо от их скорости.

Если дисперсная фаза моделируется с использованием Лагранжева подхода к частицам, адвекция определяется интегрированием Лагранжевых уравнений движения частиц во времени для вычисления поля скоростей частиц. Уравнение представляет собой баланс между инерционной силой, действующей на частицу, и силами, возникающими вследствие аэродинамического сопротивления, градиента давления, массы и гравитации. Для этого метода необходимо определение коэффициента сопротивления частицы, который обычно функционально зависит от числа Рейнольдса для частицы.

В этой упрощенной схеме частицы рассматриваются как точечные и не занимают объема. В базовой версии метода частицы подвергаются воздействию воздушного потока, но не влияют на него, что представляет собой одностороннюю связь. Однако были разработаны расширения, позволяющие учитывать двустороннюю связь по импульсу, что приводит к модели адвекции капель, адекватно описывающей взаимодействие частиц с потоком в широком диапазоне чисел Рейнольдса. Вычислительную нагрузку можно снизить, отслеживая группы частиц вместо индивидуальных, что является компромиссом между вычислительной эффективностью и точностью.

Первое опубликованное применение методов вычислительной динамики жидкости (CFD) для анализа загрязнения поверхности было осуществлено Yoshida [16], который рассмотрел осаждение загрязняющих частиц на боковых и задних поверхностях внедорожника. В исследовании использовался Лагранжев подход к отслеживанию частиц в сочетании с упрощенной Эйлеровой моделью. Геометрическая модель была значительно упрощена, а для расчета потока использовался стационарный подход, что соответствовало вычислительным возможностям того времени.

Альтернативная методика для экономически эффективного моделирования загрязнения кормовой части транспортного средства, исключая динамику поверхностной водной пленки, была предложена Реттгером и его коллегами. Они провели расчеты поля течения с использованием нестационарного моделирования на основе метода Латтиса-Больцмана (LB), после чего применили Лагранжево отслеживание для моделирования движения частиц через временно усредненное поле течения. Основным недостатком данного подхода являлось отсутствие учета влияния нестационарных потоков, генерируемых транспортным средством, на траектории частиц. Интересной особенностью их модели взаимодействия частиц с поверхностью было включение электростатического притяжения, чье влияние на осаждение твердых частиц из окружающей среды на поверхности транспортных средств не было дополнительно исследовано в литературе. Kuthada и Cyr [13] сообщили о доработках этого метода, включающих калиброванную модель распыления для шин, которая использовалась при моделировании загрязнения кузова универсала, удаляя частицы с поверхности шины. В дальнейшем, Gaylard и Duncan [17] применили отслеживание частиц к серии временно усредненных полей течения, с последующим суммированием полученных распределений частиц. Это позволило достаточно точно учесть влияние нестационарного потока для предсказания загрязнения боковой части кузова седана и внедорожника, хотя загрязнение задней части кузова было предсказано не полностью корректно.

Значительный прогресс в прогнозировании характера загрязнения был достигнут благодаря интеграции в решатель потока (flow solver) функции моделирования частиц, что позволило учитывать траектории частиц в нестационарном потоке, а также введению моделей разрушения капель и их разбрызгивания. Модель частиц была запущена параллельно с нестационарным аэродинамическим моделированием, включающим разрешение вихрей. Было продемонстрировано, что включение моделей разбрызгивания и разрушения капель приводит к увеличению прогнозируемой степени загрязнения боковой части кузова по сравнению с моделированием без этих усовершенствований. Это связано с формированием вторичных частиц с меньшим числом Стокса в результате разбрызгивания на поверхности и разрушения в воздухе, которые более подвержены перемещению турбулентными потоками, возникающими при движении передних колес и вытекании из колесных арок. В результате, количество частиц, сталкивающихся с поверхностью, превышает исходное, что способствует распространению загрязнения дальше по кузову. Метод параллельного моделирования также увеличил степень загрязнения задней части кузова, улучшив результаты, ранее полученные Gaylard и Duncan [17]. Введение двусторонней импульсной связи между частицами и воздушным потоком позволило точно предсказать характер загрязнения задней части кузова внедорожника, а также изменения, вызванные распылением брызг спереди, сзади и на все колеса.

В контексте аэродинамического загрязнения боковой и задней частей автомобильного кузова, необходимо принимать во внимание неоднородность потока. Это особенно важно, поскольку наблюдаемое улучшение точности прогнозирования при переходе от использования одного временно усредненного поля потока к серии таких полей, усредненных за более короткие временные интервалы, и, в конечном итоге, к одновременному расчету траекторий частиц и нестационарного потока, подчеркивает значимость учета временных колебаний в потоке.

В отношении аэродинамического загрязнения кормовой части транспортных средств, исследование Paschkewitz [18], посвященное дисперсии частиц в турбулентном следе грузовых автомобилей, предоставило первичные данные, указывающие на необходимость применения моделирования потока с разрешением вихревых структур. В сравнении с нестационарной моделью Навье-Стокса, усредненной по Рейнольдсу (URANS), применение метода моделирования крупных вихрей (LES) способствовало увеличению вертикальной дисперсии частиц с минимальной инерцией; для фракции частиц с диаметром менее 5 × 10—5 метров, а вертикальное расстояние дисперсии возросло на 35%. Таким образом, захват нестационарных структур в основном следе является критически важным для достижения реалистичного распределения частиц в следе.

Перед попаданием в след за автомобилем, частицы проходят через пограничный слой сдвига. Вычислительные исследования процесса перемешивания капель в сдвиговых слоях показали, что для адекватного моделирования этого явления требуются методы, способные воспроизводить соответствующие нестационарные структуры в сдвиговом слое. Следовательно, для моделирования турбулентности необходимо использовать более точные методы, чем те, которые предоставляются моделями Навье-Стокса, усредненными по Рейнольдсу (RANS) или URANS. В связи с этим, не вызывает удивления, что ни RANS, ни URANS модели турбулентности, в сочетании с лагранжевой моделью частиц, не смогли обеспечить адекватные схемы осаждения пылевых частиц на задней поверхности простого автомобильного кузова. Это было признано следствием некорректного прогнозирования базового давления этими методами, что является ключевым аспектом физической проблемы, учитывая, что существует корреляция между осаждением загрязняющих веществ и зонами относительно высокого статического давления на поверхности [19, 20].

Использование нестационарных CFD-методов с разрешением вихрей позволяет предсказывать основные характеристики распределения загрязнений как на боковой, так и на задней поверхности кузова, а также общие тенденции их изменения при модификации конфигурации транспортного средства. Таким образом, численное моделирование представляет собой достоверный инженерный инструмент, который, несмотря на высокие вычислительные затраты, может использоваться в дополнение к экспериментальным испытаниям в аэродинамической трубе.

Несмотря на то, что методы CFD предоставляют детальное понимание механизмов обтекания и позволяют преодолеть некоторые ограничения, связанные с испытаниями в аэродинамической трубе, такие как эффекты граничных условий и отсутствие движущейся земной поверхности, остаются значительные вызовы. С точки зрения разработки транспортных средств, особенно актуальными являются вычислительные затраты на проведение симуляций с адекватным разрешением и достаточной продолжительностью для одновременного получения данных о загрязнении поверхности и аэродинамических эффектах.

1.4. Сравнение StarCCM+ с другими CFD системами

В современном мире вычислительная гидродинамика (CFD) играет ключевую роль в исследовании и проектировании аэродинамических систем. StarCCM+ [1] является одной из передовых CFD систем, предлагающей широкий спектр инструментов для моделирования и анализа потоков. В этом научном тексте мы сравним StarCCM+ с другими популярными CFD системами, такими как ANSYS Fluent и OpenFOAM.

StarCCM+ отличается интегрированной средой, которая обеспечивает полный цикл моделирования — от построения геометрии и сетки до решения и анализа результатов. Одной из ключевых особенностей является автоматизация процессов, что позволяет сократить время на подготовку модели и ускорить получение результатов. StarCCM+ также предлагает широкий набор физических моделей, включая сложные мультифизические процессы.

ANSYS Fluent — это еще одна мощная CFD система, широко используемая в индустрии и академических кругах. Она предлагает глубокую настройку моделей и высокую точность результатов. Fluent известен своими расширенными возможностями моделирования турбулентности и реактивных потоков. Однако, в отличие от StarCCM+, Fluent требует более глубоких знаний в области CFD для эффективного использования.

OpenFOAM — это бесплатная и открытая CFD платформа, которая предоставляет пользователям полный контроль над процессом моделирования. Ее главное преимущество — полная настраиваемость и возможность модификации кода для специфических задач. Тем не менее, OpenFOAM имеет более крутую кривую обучения и может быть сложной для новичков в CFD.

При сравнении StarCCM+ с Fluent и OpenFOAM, следует учитывать несколько ключевых аспектов:

— StarCCM+ предлагает более дружелюбный интерфейс и лучшую автоматизацию процессов по сравнению с Fluent и OpenFOAM.

— OpenFOAM выигрывает в гибкости и настраиваемости, в то время как StarCCM+ и Fluent предлагают более стандартизированный подход.

— ANSYS Fluent имеет широкую базу пользователей и хорошо развитую поддержку, в то время как сообщество OpenFOAM активно и постоянно растет.

— OpenFOAM является бесплатным, что делает его доступным для широкого круга пользователей, в то время как StarCCM+ и Fluent являются коммерческими продуктами.

Таким образом, выбор CFD системы зависит от конкретных потребностей исследования, уровня знаний пользователя и доступных ресурсов. StarCCM+ выделяется своей универсальностью и удобством использования, Fluent предлагает глубокую настройку и точность, а OpenFOAM предоставляет неограниченные возможности для настройки и исследований. Каждая система имеет свои сильные стороны и может быть лучшим выбором в зависимости от задачи.

1.5. Краткий обзор системы StarCCM+

StarCCM+ [1] является одной из ведущих программных платформ в области вычислительной гидродинамики (CFD), которая предоставляет инженерам и исследователям мощный инструмент для моделирования аэродинамических процессов. Эта система отличается своей универсальностью, точностью и широким спектром функциональных возможностей.

StarCCM+ предлагает полностью интегрированное решение для всего процесса CFD-моделирования, от построения геометрии и сетки до постобработки результатов. Система обладает возможностями автоматизации, позволяя пользователям сократить время на подготовку моделей и анализ результатов. StarCCM+ эффективно работает на высокопроизводительных вычислительных кластерах, что делает её идеальной для сложных и крупномасштабных задач.

Благодаря продвинутым алгоритмам и турбулентным моделям, StarCCM+ обеспечивает высокую точность результатов. Пользователи могут настраивать моделирование под конкретные задачи, используя широкий набор физических моделей и граничных условий. Поддержка мультифизики в StarCCM+ позволяет решать задачи, связанные не только с гидродинамикой, но и с теплопередачей, механикой твердого тела и другими физическими процессами.

Данный пакет может использоваться для оптимизации формы автомобилей, самолетов и других транспортных средств, проектирования и оптимизации систем охлаждения и отопления и для решения других задач автомобилестроения

StarCCM+ продолжает быть одним из ключевых инструментов в арсенале инженеров и исследователей, стремящихся к инновациям в области аэродинамики и смежных дисциплин. Её способность адаптироваться к различным задачам и предоставление точных результатов делает её незаменимым ресурсом для научного и инженерного сообщества.

2. Создание модели в StarCCM+ и ее настройка

2.1. Математические модели

2.1.1. Модель аэродинамики тела

Основополагающим аспектом задач, связанных с загрязнением движущихся тел, является аэродинамика их обтекания. Для моделирования аэродинамических процессов применяется система уравнений Навье-Стокса, модифицированная в соответствии с осреднением по Рейнольдсу и дополненная k-ω моделью турбулентности. Учитывая изотермический характер процессов, уравнение сохранения энергии в данном контексте не используется. Следовательно, уравнения Навье-Стокса для декартовой системы координат и интегральной формы, применимые к заданному объему 𝑉 с границей 𝑎, для решения поставленных задач могут быть представлены следующим образом:

Для определения векторного поля скоростей, индуцированного обтеканием тела специфической конфигурации, применяется решение системы уравнений Навье-Стокса (1) — (3), исключая модель турбулентности. На основе полученного поля скоростей осуществляется моделирование траекторий частиц с разнообразными значениями коэффициента аэродинамического сопротивления cd. Этот коэффициент представляет собой отношение аэродинамической силы к квадрату относительной скорости частицы по отношению к воздушному потоку. В начальный момент времени частица обладает радиус-вектором rp,0 и скоростью, эквивалентной локальной скорости потока воздуха. Движение частицы происходит под действием гравитационных сил и аэродинамического сопротивления, возникающего вследствие дифференциальной скорости между потоком воздуха и частицей, согласно системе обыкновенных дифференциальных уравнений c начальными условиями (6).