logo desc

С каждым годом потребность в российском программном обеспечении становится всё более ощутимой. Основной причиной этого является уход с рынка зарубежных поставщиков, в том числе разработчиков CAE- и CAD-программ. Однако опасения относительно нехватки качественных решений не оправдались. Напротив, перед отечественными разработчиками открылись новые перспективы!

Многие промышленные компании стремятся совершенствовать свою продукцию без значительных финансовых затрат на исследования и переоборудование производства. Одним из эффективных инструментов для этого является улучшение характеристик изделия за счет оптимизации формы. Нужна только модель оптимизируемого объекта и программы, позволяющие корректировать форму и проводить расчёт важных характеристик.

Первое, что приходит на ум при работе с твердотельными объектами – это CAD-системы или САПР. Большое количество подобных программ являются очень мощными инструментами проектирования, однако совершенно не приспособлены для быстрых параметрических изменений геометрии. Проблема кроется в геометрическом ядре CAD-систем, которое не позволяет корректно обрабатывать и управлять множеством параметров одновременно. Например, для одной лишь лопасти винта необходимо описать распределение длины хорды, саблевидности, толщины, кривизны, шага и других характеристик по ее относительным радиусам. При одновременном изменении нескольких величин могут возникнуть искажения геометрии, а современных программ, способных сгладить осцилляции и сшить зазоры в 3D-моделях, к сожалению, нет. Поэтому инженерам приходится прибегать к ручной корректировке, что в свою очередь значительно увеличивает временные и финансовые затраты проекта.



Рисунок 1 – Возникновение осцилляций и зазоров на лопасти винта

Решение за параметрической оптимизацией!

Результатом поиска решения всех озвученных проблем стала разработка программы Flypoint Parametrica. Собственное геометрическое ядро позволяет управлять формой объекта в режиме реального времени и в широком диапазоне параметров, при этом не допуская возникновения осцилляций, зазоров и других дефектов. Вам больше не придется мучиться с долгими ручными исправлениями, перестраивая модель каждый раз по новой. Для управления геометрией в интерфейсе программы выставлены специальные маркеры, которые значительно сокращают число управляемых параметров. При этом сохраняется точность математического описания объекта, к которому пользователь всегда имеет доступ. Такую модель можно смело отдавать на оптимизацию, не боясь, что она «развалится».

Важно отметить, что в последние годы спрос на использование исключительно российского ПО для оптимизации существенно вырос. Поэтому в данной статье мы рассмотрим интеграцию отечественных программ в процесс параметрической оптимизации и проведем сравнительный анализ их эффективности по отношению к зарубежным аналогам. А в качестве объекта для исследования будем использовать гребной винт КР505.

Почему именно КР505?

Для данной модели существуют экспериментальные данные, полученные в опытовом бассейне Корейского института океанотехники KRISO. Кроме того, KP505 многократно использовался для валидации различных CFD-решателей.


Рисунок 2 – Трехмерная модель винта КР505

Именно с этим гребным винтом проводились первые испытания нашей технологии параметрической оптимизации. Ранее для решения задачи расчета гидродинамики KP505 применялась зарубежная программа Star-CCM+. Результаты, полученные в Star-CCM+, послужат для сравнения с отечественным CFD-комплексом FlowVision.


Рисунок 3 – Параметрическая модель гребного винта КР505

Особенности перехода на новый решатель

Одной из особенностей FlowVision, с которой мы столкнулись, является структура расчетной сетки, состоящей исключительно из прямоугольных элементов. В отличие от привычных CFD-программ, где задаются размеры ячеек, в FlowVision используется параметр количества ячеек по всем трем осям. Также стоит отметить уникальную систему адаптации, которую можно провести как в граничных условиях, так и в области сетки. Адаптация предполагает деление ячеек сетки ровно в два раза и повторяет этот процесс с каждым переходом на новый уровень. Такой подход облегчает контроль над размерностью, поэтому создание сетки, практически аналогичной сетке в другом CFD-комплексе, не составило никакого труда. В остальном же принцип работы не отличается от других программ, что облегчает переход и освоение нового решателя.


Рисунок 4 – Уровни адаптации во FlowVision

Математическое моделирование обтекания винта в свободной воде

Моделирование обтекания KP505 выполнялось в нестационарной постановке с использованием осредненных по Рейнольдсу уравнений Навье-Стокса, замкнутых моделью турбулентности k-ω SST Ментера. Расчетные данные, используемые в задаче указаны в таблице 1


Таблица 1 – Данные при постановке задачи во FlowVision

Также отметим, что постановка задачи, граничные условия и размерность расчетной сетки были идентичными с расчетом в Star-CCM+, с целью дальнейшего сравнения результатов моделирования и оптимизации.


Рисунок 5 – Расчётная сетка с размерностью 250 тысяч ячеек в FlowVision

Рисунок 6 – Расчётная сетка с размерностью 250 тысяч ячеек в Star-CCM+

Сравнение результатов моделирования

Анализ данных показал, что при одинаковых условиях моделирования FlowVision удалось точнее приблизиться к результатам эксперимента в сравнении со Star-CCM+. Если коэффициент упора оба решателя прогнозируют одинаково, то по коэффициенту момента у FlowVision отклонение от эксперимента в два раза меньше – 1,7% против 3,4%. Это связано с более точным прогнозированием трения в пристеночных слоях, что в свою очередь позволило точнее рассчитать КПД.


Таблица 2 – Результаты расчётов во FlowVision и Star-CCM+

Автоматизированный процесс оптимизации

После успешного моделирования была проведена оптимизация винта с использованием российского оптимизатора IOSO. В качестве управляемых величин было выбрано 5 параметров: 2 по ширине, 2 по толщине и 1 по саблевидности лопасти. Оптимизационная задача включала максимизацию КПД при соблюдении заданных ограничений, которые в данном случае касались упора, момента и дискового отношения. Ещё раз напомним, что ровно такие же ограничения были и при оптимизации винта с использованием Star-CCM+, но в качестве оптимизатора тогда использовался DT Seven (ранее называемый pSeven).


Таблица 3 – Постановка задачи оптимизации

Автоматизированный процесс оптимизации включает в себя три этапа:

  1. Модель в Flypoint Parametrica меняет свою форму в пределах заданных параметров в режиме реального времени.
  2. Новая геометрия в автоматическом режиме передаётся в FlowVision, где проводится расчёт обтекания.
  3. Гидродинамические характеристики обновлённой модели поступают в IOSO для поиска экстремума целевой функции.

Управляет всем процессом оптимизации наша программная платформа LS-TECH Framework, которая обеспечивает слаженную работу нескольких программных продуктов в едином автоматизированном цикле. Она интегрируется с любыми расчетными средствами, а все процедуры, включая генерацию геометрии, построение расчетной сетки, настройку решателя и предварительный анализ результатов, полностью автоматизированы и не требуют от пользователей экспертных знаний.


Рисунок 7 – LS-TECH Framework – удобная программная платформа, которая соединяет в себе и автоматизирует все оптимизационные процессы

Результаты оптимизации гребного винта KP505

В ходе работы оптимизационного цикла было просчитано 226 геометрических конфигураций винта. Расчеты выполнялись на 24-ядерном процессоре Intel Core i9-14900KF и заняли 132 часа. Далее на видео мы покажем изменение геометрии в процессе самой оптимизации.

На примере варьирования формы внутри оптимизационного цикла мы видим работу алгоритма IOSO, который сначала меняет модель в широком диапазоне параметров, а после сужает диапазон поиска экстремума вокруг самых перспективных областей пространства функции. Итогом работы стали две новые геометрии гребного винта, оптимизированные с использованием FlowVision и IOSO, а также Star-CCM+ и DT Seven. Давайте разберём их более подробно.


Рисунок 8 – Оптимизированная геометрия винта с использованием FlowVision+IOSO (слева) и Star-CCM+ DT Seven (справа)

На первый взгляд различия найти практически невозможно, геометрии похожи как две капли воды, но вот распределение параметров говорит об обратном.


Рисунок 9 – Распределение параметров толщины лопасти по относительным радиусам

Не трудно заметить, что лопасть стала тоньше в обоих вариантах оптимизации (Рис. 9). Однако IOSO предлагает сделать лопасть чуть более тонкой лишь на корневых сечениях по сравнению с DT Seven. Важно отметить, что оба оптимизированных варианта проверялись на удовлетворение требованиям Морского Регистра. На основе инженерных формул был произведен пересчет на натуру, в результате которого были получены реальные толщины лопасти в миллиметрах на критически важных радиусах винта. Обе геометрии удовлетворяют требованиям Регистра.


Рисунок 10 – Распределение параметров хорды лопасти по относительным радиусам

На рисунке 10 видно, что при оптимизации с применением связки «Star-CCM+ и DT Seven» предлагается немного расширить лопасть на корневых сечениях и сузить ее на концевых. Оптимизатор IOSO в связке с FlowVision предлагает сделать то же самое, только диапазоны изменений больше.


Рисунок 11 – Распределение параметров саблевидности лопасти по относительным радиусам

Что касается саблевидности, то оба оптимизатора предлагают значительно увеличить её по всей длине лопасти (Рис. 11). Связка решателя FlowVision и оптимизатора IOSO представляет вариант увеличения поскромнее в сравнении со Star-CCM+ и DT Seven. Это является разумным компромиссом, поскольку такой винт будет проще в изготовлении.

Результаты гидродинамических характеристик

Увеличенная саблевидность лопастей позволила обеспечить так называемый безударный вход в воду, что привело к более равномерному распределению давления на обеих сторонах лопасти. Кроме того, практически ушло перетекание с засасывающей на нагнетающую поверхность лопасти винта.


Рисунок 12 – Распределение давления на засасывающей поверхности винта до оптимизации (слева) и после оптимизации FlowVision + IOSO (справа)

Рисунок 13 – Распределение давления на нагнетающей поверхности винта до оптимизации (слева) и после оптимизации FlowVision + IOSO (справа)

Сравнительный анализ показал, что оптимизированный в IOSO винт, рассчитанный с помощью FlowVision, продемонстрировал значительное превосходство по коэффициенту упора, что способствовало увеличению КПД на 8,43% по сравнению с исходной моделью. В то время как аналогичная работа в Star-CCM+ с DT Seven позволила добиться прироста КПД только на 4,14%.


Таблица 4 – Результаты гидродинамических характеристик винта КР505 после проведения оптимизации

Заключение

Проведённые исследования подтвердили высокую эффективность отечественного программного обеспечения в задачах трёхмерной параметрической оптимизации. Ключевую роль в успехе сыграла программная платформа LS-TECH Framework, которая обеспечивает автоматизированный цикл оптимизации с использованием таких решений, как Flypoint Parametrica, FlowVision и IOSO. Её интеграционные возможности позволяют минимизировать необходимость экспертного вмешательства, упрощая процесс моделирования и оптимизации.

Что же касается задачи с гребным винтом KP505, то по результатам оптимизации был подобран такой набор параметров, который позволил повысить его КПД на 8,43% при сохранении всех заданных ограничений. Таким образом, современные российские технологии в области численного моделирования и оптимизации позволяют обеспечить независимость инженерных разработок от иностранных программных продуктов, гарантируя при этом высокую точность и эффективность.

Статья подготовлена и опубликована компанией ЛС-Технологии, оригинал доступен по ссылке: https://dzen.ru/a/Z9gGroS0LXVzA3MG