Отрасль
Автомобилестроение / Литейное производство / Вычислительная гидродинамика (CFD)
Проект реализован совместно PSA Peugeot-Citroën и XC Engineering srl — итальянской компанией, специализирующейся на CFD-симуляциях и являющейся представителем Flow Science и SigmaTech в Европе.
Задача
Инженеры PSA Peugeot-Citroën регулярно сталкивались с двумя фундаментальными вопросами при проведении литейных симуляций в программном комплексе FLOW-3D:
- Насколько точными могут быть симуляции литья?
- Какие значения следует задавать для численных параметров — таких как коэффициент теплообмена между металлом и формой (HOBS), коэффициент теплообмена с пустотами (HFLV1), параметры затвердевания (FSCO, FSCR, TSDRG) и других?
Подбор этих параметров вручную представлял собой серьёзный барьер на пути к получению точных результатов: при неверных значениях симуляции давали существенное расхождение с реальными экспериментальными данными.
Исходные ограничения и сложности
Физическая сложность задачи. Процесс гравитационного литья алюминия в песчаные формы включает два взаимосвязанных этапа — заполнение формы и затвердевание. Каждый из них описывается множеством взаимозависимых параметров, которые невозможно оптимизировать последовательно вручную.
Большое пространство параметров. Для этапа заполнения было идентифицировано 10 независимых переменных (включая HFLV1, CLHT1, TSDRG, FSCO, ROUGH, TEMPI и четыре значения HOBS при разных температурах), для этапа затвердевания — 12 переменных с широкими диапазонами допустимых значений.
Риск «обмана» оптимизатора. Мощные оптимизационные алгоритмы склонны эксплуатировать слабые места модели, находя формально «оптимальные» решения, не соответствующие физической реальности. Это потребовало предварительной доработки CFD-модели.
Высокое вычислительное время. Исходная симуляция занимала около 30 часов, что делало многократный запуск для перебора параметров практически невозможным.
Неопределённость экспериментальных данных. В качестве эталона использовались данные 15 термопар, размещённых в форме, с временным диапазоном от 0 до 1000 секунд. При этом допускалась погрешность ±10 °C по температуре и до 1 секунды по времени; 3 из 15 термопар были признаны недостоверными и исключены из анализа.
Подход и решение
Подготовка модели
Перед запуском оптимизации команда XC Engineering провела комплексную доработку CFD-модели по трём направлениям:
- Повышение точности — для обеспечения корректного сравнения с экспериментальными данными термопар;
- Повышение робастности — для предотвращения выхода оптимизатора за физически осмысленные границы;
- Ускорение расчётов — с 30 часов до 5 часов на одну симуляцию при сохранении высокой точности, что позволило многократно увеличить число итераций оптимизации.
Инструментарий
Для автоматизированной оптимизации был выбран программный комплекс IOSO Optimization Technology, интегрированный с FLOW-3D. IOSO обеспечивал автоматический запуск симуляций и поиск оптимального решения в многомерном пространстве параметров без участия инженера.
Математическая постановка задачи оптимизации
Оптимизация проводилась в рамках двухцелевой постановки:
- Цель 1: минимизация суммарного отклонения температур по всем 15 термопарам в конкретный момент времени (например, t = 16 с);
- Цель 2: минимизация суммарного интеграла абсолютного отклонения температурных кривых от экспериментальных данных на интервале от 0 до 200 секунд.
Такой подход позволил построить кривую Парето — множество оптимальных решений, отражающих все компромиссы между двумя целями. Для этапа затвердевания IOSO потребовался примерно 51 запуск CFD-модели для достижения наилучшего результата.
Раздельная оптимизация этапов
Этапы заполнения и затвердевания оптимизировались независимо, что позволило сосредоточиться на специфических параметрах каждой стадии процесса.
Результаты
По итогам оптимизации было достигнуто отличное совпадение симуляции с экспериментом на 10 из 12 термопар (2 термопары показали удовлетворительное, но не идеальное совпадение). До оптимизации расхождение с экспериментом было значительным.
Анализ чувствительности параметров позволил выявить ключевые закономерности:
Параметры с высоким влиянием на результат:
- FSCO (доля связной твёрдой фазы) — наиболее критичный параметр; оптимальное значение > 0,4;
- ROUGH (шероховатость стенок) — критически важен для этапа заполнения; оптимальный диапазон 0,55–0,8 × 10⁻³ м (существенно отличается от значения по умолчанию);
- FSCR (критическая доля твёрдой фазы) — оптимальный диапазон 0,65–0,9;
- CLHT1 (скрытая теплота кристаллизации) — значения из базы данных JMatPro оказались близкими к оптимальным, с поправкой не более +4% от номинала.
Параметры с умеренным влиянием:
- TSDRG (коэффициент торможения при затвердевании): оптимальный диапазон 150–200;
- HFLV1 (теплообмен металл–пустота): рекомендуемый диапазон 15–25;
- Коэффициенты HOBS при различных температурах: важны как диапазон значений, но не требуют высокой точности настройки.
Ценность для заказчика
Устранение «барьера параметров». Методология оптимизации превратила непрозрачный процесс ручного подбора численных параметров в систематизированную, воспроизводимую процедуру, опирающуюся на экспериментальные данные.
Практические рекомендации. Проект дал конкретные ориентиры для настройки FLOW-3D при моделировании гравитационного литья алюминия в песчаные формы — данные, которые ранее отсутствовали в открытом доступе.
Освобождение инженерного времени. Использование автоматизированной оптимизации позволило инженерам заниматься другими задачами в то время, пока система самостоятельно выполняла десятки расчётов.
Подтверждённая точность. Достигнутый уровень совпадения симуляций с экспериментом (10 из 12 термопар при погрешности в пределах ±10 °C) соответствует уровню «state-of-the-art» для задач данного класса и открывает возможности для надёжного прогнозирования качества литых деталей на этапе проектирования.
База для дальнейших исследований. Полученные результаты сформулировали новые исследовательские вопросы: применимость параметров для высокого давления литья (HPDC), возможность упрощения табличного задания HTC, влияние модели усадки — что создаёт фундамент для последующих работ по верификации CFD-моделей в литейном производстве.
