航空機のアイシングは、航空で最も持続的かつ危険な課題の1つです。 過冷却水滴がエアフレームを打つと、それらはほぼ瞬時に凍結し、翼のスムーズな輪郭を変更します。 この蓄積は、リフトを劣化させ、ドラッグを増加させ、正しく管理されていない場合は、壊滅的な状態につながることができます。 エンジニアは、Flu氷の予防を正確に予測するために、Fluのアイスの予防措置に依存し、航空機の構成を安全に保つようにすることを可能にします。 さまざまな種類の氷構造は、さまざまな種類のシミュレーション方法に役立ちます。 氷のシミュレーション方法 、および氷のシミュレーションを予測する。

氷の事故の物理学

大気中に超冷却された液体の小冊子が存在する場合、航空機の翼上の氷の形態は、典型的には0°Cと-40°C.表面に影響すると、これらの小冊子は、過熱を解放します。空気速度、温度、液体水含有量(LWC)、および下水量に応じて、icingの率とパターン。 2つの主要なレジムは存在します:

  • []氷]: 凍結する前に、羽に沿って戻って走るので、いくつかの小冊子が液体のままの暖かい温度(イラク凍結)でフォーム。 これは、大まかで、不規則な形状で空気の流れを破壊する。
  • : ライムアイス]: 衝撃に瞬時に小さじる小さじを吹き込む冷たい温度で形成し、脆弱、不透明層を作成します。 釉氷よりも少ない空力が、それはまだ重量と表面粗さを追加します。

特定のフライト条件下でどの政令が認証と運用制限に不可欠であるかを理解する。 CFDシミュレーションにより、エンジニアは自然環境での飛行テストの費用とリスクなしにこれらのシナリオを視覚化し、定量化することができます。

なぜ、Icing Prediction のCFD?

実験的なアイシングトンネルは貴重でありながら、制限があります。それらはすべての高度と温度の組み合わせを再現することはできません。モデルのスケーリングは、不確実性をもたらします。 CFDは、環境および飛行条件の広い範囲にわたってパラメトリック研究を有効にすることによって、このギャップを満たします。 主な利点は次のとおりです。

  • は、 は、 は 、 は 、 数週間ではなく、 温度、 LWC、 空気速度の組み合わせ を 数多くテストできます。
  • []フルフィールドデータ]:シミュレーションは、すべての表面ノード上の圧力、温度、および水膜分布を分散センサーで実現可能にします。
  • Designの最適化:初期段階のアンチアイシング幾何学(例えば、bleed-airのスロットまたは電子マットのレイアウト)は、事実上評価することができます。
  • []認証サポート]:EASAやFAAなどのレギュレータは、コンプライアンスの実証の一部としてCFD証拠を受け入れます(例えば、14 CFR 25.1419[])。

Ansys Fluent: アイスシミュレーションの強力なプラットフォーム

Ansys Fluentは、広範囲の多相および相変化機能を備えた汎用CFDソルバーです。 icingアプリケーションの場合、専用のアイスアクセションモジュール(Ansys FENSAP-ICEのような)と組み合わせたり、カスタムユーザー定義機能(UDF)で使用できます。 コアワークフローは、Reynolds-averaged Navier-Stokes(RANS)の式をエアフロー、ウォータードロップレットの追跡、および質量分析、および量測定プロセスの調整、および量測定プロセスの調整、および量を生成するプロセスを解決します。

統合シミュレーションステップ

  1. []Geometry prepare: 翼(またはセクション)のクリーンな3D CADモデルがインポートされます。 メッシュ化は重要な - 主要なエッジの近くにある境界層は、高品質のプリズムまたは六角コアセルで解決する必要があります。 1の下の典型的なy +値は、粘度サブレイヤ効果をキャプチャすることをお勧めします。
  2. []境界条件]]:入口速度、温度、濁度(のようなモデルを使用して)、SST k-ω)、およびドロップレット仕様(サイズ分布、LWC)が定義されます。反発システムがアクティブである場合、壁は、コンファゲート熱伝達を含む場合があります。
  3. []Droplet Tracking:ラグランジアンまたはEulerian多相モデルは、ドロップレット運動をシミュレートします。 ユーリアンモデル(「Eulerian Wall Film」モジュール経由)は、高いドロップレット濃度を処理するため、フィルムの厚さを直接計算することが多いです。
  4. []アイスアクセションモデル[:凍結率は、対流冷却、潜熱放熱、蒸発、および(現在)熱の対流冷却のためのアカウントの熱バランス式によって決定されます。氷がしきい値の厚さを超えたら、ジオメトリは更新されます。メッシュを滑らかにするか、ドメインを再メッシュをメッシュでメッシュをメッシュ化することによって。
  5. ポスト加工]:氷の厚さ、せん断の圧力および熱伝達係数の輪郭のプロットはホットスポットを明らかにします。 エンジニアは、これらを使用して保護対策を精製します。

ポイントでCase]:イリノイ大学の研究者は、NACA 0012のエアフォイルの上にライム対グレーズトランジションを予測するためにカスタムUDFでフルエントを使用しました。 シミュレーションは、氷の認定質量の10%内の風トンネルデータに一致しました。 認定サポート(ソース:AIAA航空機の航空機:[FLT:]:[FLT:]:[FLT:]]]]:[FLT:[F]]]]]:[F]:[F][F]]]:[F]:[F][F]]]:[F][F][F]]]][F]]]]:[F]:[F]:[F]:[F]:[F]:[F]:[F]:[F]:[F]:[F]:[F]:[F]:[F]:[F]:[F]:[F]:[F]:[F]

高度なテクニックをインフルエントでアイシング

基本的なシミュレーションは、羽を剛性の高い現代流暢なワークフローとして扱いますが、結合された流体構造の相互作用を探求し、熱伝達を対向します。例えば、浮気防止システムをモデル化することで、外部の空力学と一緒に内部ダクトの流れを解決する必要があります。流暢なメディア、回転ドメイン(エンジンインレット)を処理する能力、放射線はそれ包括的なツールになります。

高強度メッシュとタービン

正確な氷形状予測は、壁とウェイクの近くの適切なメッシュ解像度を必要とします。 ほとんどの成功したシミュレーションは、2Dエアフォイルと10〜20百万のセルで初期格子を使用して、3Dウィングセクションで。 適応メッシュの精錬(AMR)は、成長する氷の形の近くで自動的に精製することができ、計算コストを削減します。 タービンモデルの選択事項: [SST k-ωモデルは、氷の処理能力に有利であるは、氷の処理能力を有利に有利に役立ちます。

フライトテストに対する検証

自然発着便中にビジネスジェットに搭載された絶縁型ホットワイヤープローブは、Fluentシミュレーションが95%の精度で再現された圧力係数(Cp)データを提供します。このような検証により、CFDモデルが重要な物理をキャプチャするという自信が生まれ、スプラッシュやリバウンドを含む、幅広いアイシングパターンにとって重要な要素となっています。

課題と限界

ツールは完璧ではありません。Fluentの氷の認定をシミュレートすることは、ハードルを知られています。

  • 2ウェイカップリング]:アイス成長は、ドロップダウン軌跡を変えるエアフローを変え、計算的に高価な反復更新を必要とする。
  • []Dropletのブレイクアップ/coalescence[:標準ラグランジアンモデルは、多くの場合、Eulerianの壁の映画モデルは、フィルムの不安定性のために部分的に考慮することができますが、ドロップレットの相互作用を無視します。
  • ]Runback water]: 粗い氷の複雑な表面張力行動は、特殊なUDFなしでモデル化しにくい、釉氷の角の過度につながります。
  • 計算コスト]:時間通りのフリーストリーム条件(例えば、クライミングフライト)でフル3Dシミュレーションは、高性能クラスターでも数日かかることができます。

これらの課題にもかかわらず、業界最高のプラクティスと継続的なソルバー開発(例:Fluent 2024R2の改良型Lagrangianウォールフィルムソルバー)は、シミュレーションと現実のギャップを狭め続けます。

航空機設計の実用的利点

ICO の予測に Fluent を使用することで、設計サイクル全体で有形な結果が得られます。

  • アンチアイシングシステム最適化: エンジニアは、最小限の加熱サフィ、燃料と重量を節約し、ゾーンを識別することにより、傷つき空気の使用を減らすことができます。
  • De-icingシステムタイミング:シミュレーションは、過剰なエネルギー消費を避けながら、空気のブーツや電気熱マットの電力スケジュールに最適なインフレサイクルを通知し、氷の蓄積を最小限に抑えます。
  • [] フライトエンベロープ拡張: 氷のaccretionが、空気速度と高度の特定の組み合わせで安全限界内に残っていることを示すことによって、オペレータは既知のicing(FIKI)認証に飛行のための承認を求めることができます。
  • [事故調査]:後出現のCFDは、制御の損失につながる、規制当局の問題にタイムリーな気道命令を解決する、アイシング条件を再作成できます。

見栄え:AI、受注モデルの縮小、リアルタイム予測

航空業界は予測医療監視に向けています。最近の作業では、Fluentシミュレーションと機械学習を組み合わせたもので、ミリ秒で実行されるサーロゲートモデルを生成します。コックピットの意思決定支援システムには十分です。例えば、10,000を超えるフルエントケースで訓練されたニューラルネットワークは、現在のエアスピード、温度、およびLWCを与えられた翼に氷の厚みを正確に予測することができます。この「デジタルツイン」アプローチは、パイロットがパイロットがリアルタイムのic能力を検証できるようになり、同じモデルで検証されたエンジニアが同じモデルで同じモデルを検証することができます。

また、Fluentソリューションから構築されたモデル(ROM)を縮小することで、設計空間探索のパラメトリック研究が可能になります。]Ansys]のような企業は、GPUネイティブソルバーに投資し、より小型なオペレータによりアクセス可能な高忠実度なサイリングシミュレーションを実現します。

コンテンツ

航空機の翼の氷形成は、高度な計算ツールを要求する複雑な非線形現象です。 Ansys Fluentは、ドロップレット、フィルム、熱伝達、および空力学の相互作用をシミュレートするための実証済みのプラットフォームでエンジニアを提供します。 厳格なシミュレーション手順に従うことで、幾何学的な準備、境界条件のセットアップ、ドロップレットの追跡、および反復的なaccretionは、氷の形状を自信を持って予測することができます。 2方向のカップリングや計算コストなどの課題は、これらの航空機の拡張は、それらが、航空機の拡張および拡張のメカニズムであるだけでなく、それらは、どのようにして、どのようにして、航空機の訓練を拡張することができます。