Промышленное производство
Промышленный Интернет вещей | Промышленные материалы | Техническое обслуживание и ремонт оборудования | Промышленное программирование |
home  MfgRobots >> Промышленное производство >  >> Industrial Internet of Things >> Датчик

Продвинутые методы симуляции точно моделируют динамику автомобиля и поток вокруг шин

Продвинутые методы симуляции точно моделируют динамику автомобиля и поток вокруг шин

Специалисты по гидродинамике в Райсовском университете и Васеда в Токио довели свои методы компьютерной симуляции до точки, где можно точно моделировать движущиеся автомобили, вплоть до потока вокруг вращающихся шин.

Результаты видны для всех в видео , созданном Такаши Курайси, научным сотрудником в лаборатории Таюфун Тездуяра, профессора механической инженерии имени Джеймса Ф. Барбоура.

«Он наращивал сложность своих расчетов, начиная с отдельной шины и теперь имея весь автомобиль», — сказал Тездуяр о Курайси, присоединившемся к лаборатории Райса в 2020 году.

Видео также демонстрирует эффективность метода генерации сетки NURBS Surface-to-Volume Guided Mesh Generation, разработанного Командой для передовых расчетов течения и моделирования под руководством Тездуяра и Такизавы для моделирования динамики потока вокруг и через объекты сложной геометрии. NURBS означает Non-Uniform Rational Basis Splines (Неуниформные рациональные базисные сплайны) — математическая техника описания 3D-форм и предоставления вычислительного анализа задач гидро- и структурной механики, включающих такие формы.

Модель усложняет тот факт, что шины контактируют с дорогой и деформируются при качении. «Мы имеем дело с геометриями, близкими к реальным автомобилям и шинам», — сказал Тездуяр.

Подробное описание методов и симуляции автомобиля было опубликовано в прошлом месяце в журнале Computational Mechanics. С тех пор команда Райс-Васеда сделала видео для оживления иллюстраций.

«Знание поведения потока воздуха вокруг автомобиля и его шин приведет к лучшему пониманию их аэродинамической эффективности», — сказал Курайси. «Симуляции такой сложности важны для предоставления реалистичных решений и надежных ответов в проектировании и оценке эффективности».

Тездуяр, чья лаборатория также моделировала спасательные парашюты для капсул NASA Orion, сказал, что использование NURBS в вычислительном анализе драматически выросло в последние годы, сочетая эффективность и точность за счет снижения количества узлов сетки, необходимых для моделирования системы. Представьте сетку как сеть жидкости — как воздух — вокруг объекта, с узлами сетки, живущими в 3D-элементах. Узлы и элементы движутся, когда объект движется.

В одной модели движущегося автомобиля вычислительный анализ потока с NURBS был достигнут с примерно 1,1 миллионами узлов, долей от числа, используемого в обычных методах, сохраняя точность. Это снижает вычислительные затраты, сказал Тездуяр.

«У нас 3D-сетка вокруг автомобиля и шин, с большим количеством узлов у поверхностей шин для большей точности там, где это важнее», — сказал он. «Когда шина вращается, узлы и элементы вращаются с ней, но проблема в том, что при вращении шины элементы, движущиеся под шиной, коллапсируют — и это то, с чем другие методы не справляются. Наш метод справляется, и это ключ к точной симуляции».

«По мере прохождения времени, естественно, будут рассматриваться новые дизайны шин или улучшения», — сказал он. «Было бы очень полезно для производителей шин делать этот тип симуляции до вложений в прототип, потому что это дало бы им исчерпывающие и детальные числовые данные об аэродинамике вокруг шины, которые трудно получить иначе».

Датчик

  1. Освоение моделирования электрических цепей в SPICE: практическое руководство для проектировщиков и студентов
  2. Шина: от сырья к передовым дизайнам — исчерпывающее руководство
  3. NVIDIA Jetson Nano: 5-Вт, 472 GFLOPS AI компьютер, уполномачивающий мейкеров и предприятия
  4. Модели машинного обучения точно прогнозируют состояние и долговечность батарей
  5. Мастерство задач отображения в Verilog: эффективная отладка и логирование
  6. Семь проверенных способов, как компьютерное зрение повышает эффективность и экономит затраты
  7. Быстрое, точное обнаружение COVID-19 с использованием графеновых технологий
  8. Мониторинг здоровья в реальном времени с камерами смартфона и компьютера
  9. Инструмент Fe³ NASA Ames: продвинутая симуляция низковысотного воздушного трафика
  10. Передовый радар позволяет автомобилям детектировать скрытые опасности за углами