선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 하지만, 열교환기는 방열 특성을 최대화하기 위해서 무수히 많은 핀들로 이루어져 있으므로이들 방열 핀들을 다 모사하는 것은 하드웨어 자원의 한계로 인해 현실적으로 매우 어렵다. 따라서 본 연구에서는 이러한 열교환기의 효과적인 모델링을 위해 다공체 매질을 도입하였다.
- 본 연구에서는 설계초기 단계에서부터 CFD를 이용하여 언더후드의 냉각 성능을 예측함으로써 부품의 사양 결정 등에 요구되는 시간 및 경비의 절감을 시도하였다. 이를 위해 언더후드 내부에 대한 3차원 유동장 해석을 수행하였으며, 언더후드 냉각에 있어서 가장 중요한 요소인 방열기 입구에서의 냉각수 온도를 실험결과와 비교하여 해석의 정확성을 검증하였다.
가설 설정
- 보았다. 대상 차량은 2,000cc 급의 가솔린 엔진 차량이며, 주행조건은 차량의 고부하 조건인 에어컨을 가동한 상태이고 측풍을 비롯한 자유류는 없는 것으로 가정하였다. 냉각 팬은 두 개의 140W 팬으로 구성되었으며, Table 1에 계산에 사용된 차량의 주행조건을 제시하였다.
제안 방법
- 정도로 완벽하지 않다. 따라서 전처리 단계로써 HyperMesh 버전 7.0을 이용하여 선과 면들의 연결 관계를 정리하고 형상을 단순화 하였으며, 표면 격자 역시 HyperMesh 버전 7.0을 사용하여 형성하였다[5]. 이러한 전처리 단계에서는 전체 해석시간의 70% 이상의 기간이 요구된다.
- 본 연구에서는 범용 유체해석 코드인 Fluent를 이용하여 자동차 언더후드 내부의 열 및 유동장 해석을 수행하였다. 고온의 엔진 및 배기 시스템으로부터의 복사 열전달을 고려하기 위해서 D0M을 사용하였고, 냉각 팬의 회전효과를 고려하기 위해서 MRF 기법을 도입하였다.
- 이를 위해 언더후드 내부에 대한 3차원 유동장 해석을 수행하였으며, 언더후드 냉각에 있어서 가장 중요한 요소인 방열기 입구에서의 냉각수 온도를 실험결과와 비교하여 해석의 정확성을 검증하였다. 이러한 결과를 근거로 하여, 신차개발에 있어서 언더후드냉각 성능에 지대한 영향을 미치는 냉각 팬의 사양 문제에 적용하였다.
- 시간 및 경비의 절감을 시도하였다. 이를 위해 언더후드 내부에 대한 3차원 유동장 해석을 수행하였으며, 언더후드 냉각에 있어서 가장 중요한 요소인 방열기 입구에서의 냉각수 온도를 실험결과와 비교하여 해석의 정확성을 검증하였다. 이러한 결과를 근거로 하여, 신차개발에 있어서 언더후드냉각 성능에 지대한 영향을 미치는 냉각 팬의 사양 문제에 적용하였다.
- 본사에서 고려 대상인 냉각 시스템은 같은 속도로 회전하는 두 개의냉각 팬으로 구성되며 다수의 후보군 중에서 160W + 160W 의 성능을 가진 냉각 팬(Type A)과 160W + 230W의 성능을 가진 냉각 팬(Type B)등 두 가지 모델로 압축되었다. 일반적으로 냉각 팬의 성능이 커질수록 방열기의 냉각 특성은 더 좋아지기 마련이므로 냉각 성능에 있어서는 Type B가 선호되지만, 생산 경비의 입장에서 볼 때에는 적절한 냉각 성능을 가지고 있다면 Type A가 더 바람직하므로 시작품이 나오기 전에 해석을 수행하여 사양을 결정하고자 한다.
- 그러나 앞선 검증과정에서 약 3% 가량의 오차가 존재함을 확인하였고 특히 해석값이 실험치보다 낮은 값을 예측한 점을 감안할 때 Type A는 설계 요구조건을 만족하지 못할 가능성이 크다. 특히 신차에 대한 모델링 및 단품 데이터의 불확실성을 고려할 때 적어도 5%의 설계 여유를 두는 것이 타당할 것이며, 5%의 오차범위를 고려하더라도 설계요구 조건을 충족시킬 수 있는 Type B를 선택하여 설계를 진행하였다.
대상 데이터
- 본사에서 고려 대상인 냉각 시스템은 같은 속도로 회전하는 두 개의냉각 팬으로 구성되며 다수의 후보군 중에서 160W + 160W 의 성능을 가진 냉각 팬(Type A)과 160W + 230W의 성능을 가진 냉각 팬(Type B)등 두 가지 모델로 압축되었다. 일반적으로 냉각 팬의 성능이 커질수록 방열기의 냉각 특성은 더 좋아지기 마련이므로 냉각 성능에 있어서는 Type B가 선호되지만, 생산 경비의 입장에서 볼 때에는 적절한 냉각 성능을 가지고 있다면 Type A가 더 바람직하므로 시작품이 나오기 전에 해석을 수행하여 사양을 결정하고자 한다.
- 압력강하는 모멘텀 방정식에서 소스항으로 모사된다[7]. 해석에 필요한 속도와 압력강하의 관계는 단품시험에서 구한 데이터를 이용하였다. 또한 차량 주행방향을 제외한 다른 방향으로는 매우 큰 유동 저항계수를 주어 주행방향으로의 유동만을 고려하도록 하였다.
데이터처리
- 구성된 모델링 기법의 정확성을 검증하기 위해서 현재 개발이 완료된 차량의 실차 성능 데이터와 해석 결과를 비교하여 보았다. 대상 차량은 2,000cc 급의 가솔린 엔진 차량이며, 주행조건은 차량의 고부하 조건인 에어컨을 가동한 상태이고 측풍을 비롯한 자유류는 없는 것으로 가정하였다.
이론/모형
- Fluent에서는 이러한 냉각 팬의 모델링을 위해서 다수의 모델을 제공하고 있으며, 본 연구에서는 MRF(Multiple Reference Frame) 기법을 사용하였다[7]. MRF 기법은 유동장을 회전영역과 비회전 영역으로 나눈 후, 회전 영역에 대해서 비관성 좌표계에서의 가상힘을 운동량 방정식에 추가하여 계산하는 기법이다.
- 고온의 엔진 및 배기 시스템으로부터의 복사 열전달을 고려하기 위해서 D0M을 사용하였고, 냉각 팬의 회전효과를 고려하기 위해서 MRF 기법을 도입하였다. 자동차 전면부에 위치한 열교환기들의 모사를 위해서 effectiveness-NTU 모델을 사용하였으며, 열교환기를 통과한 공기의 압력 강하는 다공성 매질로 근사하여 해석의 효율성을 높였다.
- 하였으며, 속도와 압력의 연계는 SIMPLE 기법을 사용하였다. 난류 모델로는 언더후드 유동해석에 적합하다고 알려진 RNG k-epsilon 모델을 사용하였고, wall function을 사용하였다. 시간 적분으로는 내재적 시간 적분 기법을 이용하였으며, 모멘텀 방정식, 연속 방정식, 난류 방정식 등을 순차적으로 해석하여 수렴된 해를 얻는 segregated 기법을 이용하였다.
- 배기 시스템 주위에 열 차폐막을 설치하더라도 이러한 고온에서는 복사 열전달을 무시할 수 없으며, 언더후드 내부의 유동해석에 있어서 중요한 요소가 된다. 본 연구에서도 이러한 복사 열전달을 고려하였으며, Fluent에서 제공하는 다수의 복사 열전달 모델 중에서 DOM (Discrete Ordinates Method)을 사용하였다[7]. D0Me Eulerian 관점에서 유한하게 나누어진 벡터 방향을 따라서 복사 전달 방정식 (RTE:Radiative Transfer Equation)을 해석하는 방법으로, 요구되는 메모리와 계산량에 비해 정확성이 우수한 방법으로 알려져 있다.
- 엔진의 작동온도는 주로 방열기 입구로 들어가는 냉각수의 온도를 측정함으로써 확인 가능하며, 일반적으로 차량 개발시에 방열기 입구에서의 냉각수 온도를 엄격히 관리하고 있는 실정이다. 본 연구의 목표도 방열기 입구에서 냉각수 온도를 정확히 예측하는데 목표가 있으며, 이를 위해 열교환기 모델을 사용하였다.
- 사용한 열교환기 모델은 effectiveness-NTU 모델[기이며, 방열기 및 응축기의 단품 시험 데이터를 바탕으로 공기의 유량 및 냉각수의 유량에 대한 열전달 양을 이용하여 해석하였다.
- 난류 모델로는 언더후드 유동해석에 적합하다고 알려진 RNG k-epsilon 모델을 사용하였고, wall function을 사용하였다. 시간 적분으로는 내재적 시간 적분 기법을 이용하였으며, 모멘텀 방정식, 연속 방정식, 난류 방정식 등을 순차적으로 해석하여 수렴된 해를 얻는 segregated 기법을 이용하였다.
- 유동장 지배 방정식은 상류차분기법을 적용하여 공간차분을 하였으며, 속도와 압력의 연계는 SIMPLE 기법을 사용하였다. 난류 모델로는 언더후드 유동해석에 적합하다고 알려진 RNG k-epsilon 모델을 사용하였고, wall function을 사용하였다.
- 8을 사용하였다[6]. 유동해석을 위해서는 범용유동 해석 프로그램인 Fluent사의 Fluent 6.2.16 버전을 사용하였다[7].
- 일정한 속도로 회전하는 냉각 팬은 MRF (Multiple Reference Frame)기법을 이용하여 모사하였고, 엔진의 복사 열전달을 고려하기 위해 DOM (Discrete Ordinates Model)을 사용하였다. 차량의 전면부에 위치한 방열기 및 응축기 등의 열교환기의 열교환은 effectiveness-NTU (Number of Transfer Units) 모델을 사용하였으며, 열교환기를 통과할 때 나타나는 압력의 강하는 다공성 매질로 모델링을 하였다.
- 고온의 엔진 및 배기 시스템으로부터의 복사 열전달을 고려하기 위해서 D0M을 사용하였고, 냉각 팬의 회전효과를 고려하기 위해서 MRF 기법을 도입하였다. 자동차 전면부에 위치한 열교환기들의 모사를 위해서 effectiveness-NTU 모델을 사용하였으며, 열교환기를 통과한 공기의 압력 강하는 다공성 매질로 근사하여 해석의 효율성을 높였다.
- 이러한 전처리 단계에서는 전체 해석시간의 70% 이상의 기간이 요구된다. 지극히 형상이 복잡한 언더후드 내부의 비정렬 격자 형성을 위해서 TGrid 버전 3.6.8을 사용하였다[6]. 유동해석을 위해서는 범용유동 해석 프로그램인 Fluent사의 Fluent 6.
- 차량의 전면부에 위치한 방열기 및 응축기 등의 열교환기의 열교환은 effectiveness-NTU (Number of Transfer Units) 모델을 사용하였으며, 열교환기를 통과할 때 나타나는 압력의 강하는 다공성 매질로 모델링을 하였다.
성능/효과
- 구성된 해석 모델의 검증을 위해 방열기 입구에서의 냉각수 온도를 실차 성능평가 결과와 비교하였으며 3% 이내의 오차범위에서 정확성을 유지하는 것을 확인하였다 검증된 결과를 바탕으로 신차 개발 단계에서 냉각 팬의 사양 결정에 적용하였으며, 차량 개발 기간 및 비용 절감에 기여하였다. 또한 개발된 차량을 이용한 시험을 수행하여 방열기 입구에서의 냉각수 온도를 예측값과 비교하였으며, CFD를 이용한 설계기법이 설계 요구조건을 만족시킴을 확인하였다.
- 해석 결과만으로 평가를 하였을 때 두 가지 냉각 팬 모두 설계 요구조건을 만족시키므로 생산경비의 절감에서 Type A 가 유리하다. 그러나 앞선 검증과정에서 약 3% 가량의 오차가 존재함을 확인하였고 특히 해석값이 실험치보다 낮은 값을 예측한 점을 감안할 때 Type A는 설계 요구조건을 만족하지 못할 가능성이 크다. 특히 신차에 대한 모델링 및 단품 데이터의 불확실성을 고려할 때 적어도 5%의 설계 여유를 두는 것이 타당할 것이며, 5%의 오차범위를 고려하더라도 설계요구 조건을 충족시킬 수 있는 Type B를 선택하여 설계를 진행하였다.
- 각 주행모드에 대해서 오차는 최대 3%를 넘지 않으며, 특히 더욱 과부하 조건인 모드 1에서의 오차는 1% 내외로써 본 모델링 기법의 신뢰성을 더 해 준다. 그러나 전반적으로 본 연구에서 사용한 해석 기법이 측정치에 비해서 다소 낮은 값을 예측하고 있어서 본 해석 기법을 실제 설계과정에 적용할 때에는 다소 주의해야 함을 알 수 있다. 고속 주행모드인 모드 2에서 오차가 상대적으로 크게 나타나고 있는데, 이는 냉각 팬의 회전속도에 기인하는 것으로 판단된다.
- 냉각수 온도를 비교한 것이다. 냉각 팬의 성능이 증가됨으로써 Type B 방열기의 입, 출구에서의 냉각수 온도가 Type A 보다 평균 3℃ 가량 감소한 것을 확인할 수 있다. 해석 결과만으로 평가를 하였을 때 두 가지 냉각 팬 모두 설계 요구조건을 만족시키므로 생산경비의 절감에서 Type A 가 유리하다.
- 또한 개발된 차량을 이용한 시험을 수행하여 방열기 입구에서의 냉각수 온도를 예측값과 비교하였으며, CFD를 이용한 설계기법이 설계 요구조건을 만족시킴을 확인하였다.
- 값을 비교하고 있다. 본 연구의 해석 결과는 방열기 입구에서의 냉각수 온도를 약 110 ℃로 예측하였으며, 실제 차량을 이용하여 시험을 하였을 경우 냉각수 온도는 2% 가량의 오차를 가진 약 107.7 ℃로써 설계요구조건을 만족하였으며, CFD 기법이 실제 차량의 개발시에 유용하게 적용될 수 있음을 보였다
후속연구
- 이러한 경향성의 불일치는 모델링 및 여러 단품시험 데이터들의 부정확성에 기인한 것으로 파악되며, 더욱 신뢰성 있는 해석을 위해서 추후에도 많은 연구가 필요할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.