دینامیک سیالات محاسباتی (CFD)
در واقع، CFD با حل معادلات ناویر-استوکس که مبنای فیزیکی و ریاضی حرکت جریان سیال هستند، رفتار پیچیده جریان هوا در اطراف هندسه خودرو را مدلسازی میکند. این معادلات شامل معادله بقای جرم، معادله بقای مومنتوم و معادله انرژی هستند که در کنار هم جریان هوا را در همه جهات و تحت شرایط مختلف توصیف میکنند. با توجه به پیچیدگی جریانهای آشفته و غیرخطی اطراف بدنه خودرو، مدلسازی دقیق آن نیازمند استفاده از مدلهای آشفتگی پیشرفته مانند k-ε، k-ω SST یا حتی مدلهای LES برای تحلیل جریانهای گذرا و گردابههای بزرگ است. انتخاب مناسب مدل آشفتگی تأثیر مستقیمی بر دقت نتایج شبیهسازی دارد و معمولاً با هدف تحلیل و منابع محاسباتی موجود تعیین میشود.
فرآیند شبیهسازی CFD در حوزه خودرو با مدلسازی هندسی دقیق آغاز میشود که در آن یک مدل CAD سهبعدی با جزئیات کامل، از جمله آینهها، ورودیهای هوا، چرخها و زیر بدنه ایجاد میشود. این مدل باید به اندازه کافی دقیق باشد تا ویژگیهای هندسی کوچک اما تأثیرگذار مانند انحنای گلگیرها و شکافهای بین قطعات را در بر بگیرد، زیرا این جزئیات نقش مهمی در ایجاد گردابهها و نواحی جدایش جریان دارند. پس از آن مرحله مهم مشبندی انجام میشود که در آن حجم فضای اطراف خودرو به هزاران یا حتی میلیونها سلول کوچک تقسیم میشود.
کیفیت و چگالی مش در نقاط بحرانی مانند لایه مرزی نزدیک سطح بدنه، لبههای آینهها و چرخها بسیار مهم است، زیرا در این نواحی تغییرات سرعت و فشار جریان بیشترین مقدار را دارد و با دقت کم، خطاهای محاسباتی افزایش مییابد. به همین دلیل، معمولاً از یک مش ترکیبی استفاده میشود که ترکیبی از شبکههای ساختاریافته و بدون ساختار است و در نواحی مرزی، لایههای نازک مش برای ثبت دقیق تغییرات سرعت در نظر گرفته میشوند. برای شروع شبیهسازی، تعیین دقیق شرایط مرزی بسیار مهم است. سرعت و جهت جریان ورودی که معمولاً برابر با سرعت خودرو در شرایط واقعی است، به عنوان شرایط اولیه در نظر گرفته میشود.
تحلیل نتایج؛ از نیروی پسا تا گردابهها
نتایج شبیهسازیهای CFD امکان استخراج پارامترهای حیاتی برای ارزیابی عملکرد آیرودینامیکی خودرو را فراهم میکند. ضریب پسا، که معیاری از مقاومت هوا در برابر حرکت خودرو است، یکی از مهمترین کمیتها است که کاهش آن به معنای بهبود مصرف سوخت و افزایش سرعت نهایی خودرو است. ضریب بالابر همچنین برای بررسی نیروهای بالابر یا فشار وارده بر بدنه در شرایط مختلف مهم است، زیرا نیروهای بالابر بالا میتوانند منجر به کاهش پایداری خودرو در سرعتهای بالا شوند.
علاوه بر این، تجزیه و تحلیل توزیع فشار سطحی روی بدنه، نقشههای کانتور فشار و سرعت، خطوط جریان و ساختارهای گردابه به مهندسان کمک میکند تا مناطق بحرانی را که جریان هوا از بدنه جدا میشود یا گردابههای مصرفکننده انرژی تشکیل میشوند، شناسایی کنند و با اصلاح هندسه یا اضافه کردن عناصر آیرودینامیکی مانند اسپویلرها، دیفیوزرها و ورودیهای هوای کنترلشده، این مشکلات را کاهش دهند.
چالشهای شبیهسازی CFD
یکی از مهمترین چالشهای شبیهسازیهای دینامیک سیالات محاسباتی (CFD) مربوط به دقت مدلهای آشفتگی و حساسیت نتایج به کیفیت شبکه و شرایط مرزی است. انتخاب نامناسب مدل آشفتگی یا استفاده از شبکهبندی ضعیف میتواند منجر به نتایج گمراهکننده و غیرقابل اعتماد شود. بنابراین، اعتبارسنجی نتایج شبیهسازی با دادههای تجربی، مانند نتایج تونل باد یا آزمایشهای میدانی، ضروری است تا اطمینان حاصل شود که شبیهسازیها به طور دقیق واقعیت فیزیکی جریان را منعکس میکنند.
در عین حال، استفاده از تکنیکهای پیشرفتهتر مانند شبیهسازی گردابههای بزرگ (LES) یا شبیهسازی عددی مستقیم (DNS) برای تجزیه و تحلیل جزئیات جریانهای آشفته به دلیل هزینههای محاسباتی بالا، هنوز در پروژههای صنعتی کمتر رایج است. با این حال، این روشها به طور گسترده در تحقیقات علمی مورد استفاده قرار میگیرند و میتوانند اطلاعات دقیقتری در مورد ساختارهای جریان در مقیاس کوچک ارائه دهند.
هوش مصنوعی و CFD
در سالهای اخیر، با رشد چشمگیر قدرت پردازش و توسعه الگوریتمهای یادگیری ماشین، ترکیب شبیهسازی دینامیک سیالات محاسباتی (CFD) با هوش مصنوعی به یکی از نوآورانهترین رویکردهای طراحی آیرودینامیک در صنعت خودرو تبدیل شده است. الگوریتمهای بهینهسازی تکاملی و روشهای بهینهسازی چندهدفه اکنون همزمان با شبیهسازیهای CFD اجرا میشوند تا هندسههایی را کشف کنند که دستیابی به آنها با روشهای طراحی کلاسیک تقریباً غیرممکن است. این الگوریتمها با تجزیه و تحلیل صدها یا حتی هزاران ترکیب از پارامترهای طراحی، اشکالی با حداقل ضرایب درگ و حداکثر پایداری دینامیکی تولید میکنند، در حالی که همچنان محدودیتهای هندسی و عملکردی را رعایت میکنند.