Techniques de simulation avancées modélisent avec précision la dynamique des véhicules et l'écoulement des pneus
Des spécialistes de la dynamique des fluides à l'Université Rice et à l'Université Waseda à Tokyo ont développé leurs méthodes de simulation informatique au point où il est possible de modéliser avec précision des voitures en mouvement, jusqu'à l'écoulement autour des pneus roulants.
Les résultats sont là pour tous les voir dans une vidéo produite par Takashi Kuraishi, un associé de recherche dans le laboratoire de Tayfun Tezduyar, professeur James F. Barbour de génie mécanique.
« Il a intensifié la complexité de ses calculs, en commençant par un pneu autonome et en ayant maintenant le reste de la voiture », a déclaré Tezduyar à propos de Kuraishi, qui a rejoint le laboratoire Rice en 2020.
La vidéo démontre également l'efficacité de la méthode de génération de maillage guidée surface-volume NURBS, une technique développée par l'Équipe pour la Simulation et la Modélisation Avancée des Écoulements co-dirigée par Tezduyar et Takizawa pour modéliser la dynamique des écoulements autour et à travers des objets à géométrie complexe. NURBS signifie Non-Uniform Rational Basis Splines, une technique mathématique pour décrire des formes 3D et fournir une analyse computationnelle des problèmes de mécanique des fluides et des structures impliquant de telles formes.
Ce qui complique le modèle, c'est le fait que les pneus sont en contact avec la route et se déforment en roulant. « Nous traitons des géométries de voiture et de pneus quasi réelles », a déclaré Tezduyar.
Une description détaillée des méthodes et de la simulation de voiture a été publiée le mois dernier dans le journal Computational Mechanics. Depuis, l'équipe Rice-Waseda a réalisé la vidéo pour donner vie aux illustrations.
« Connaître le comportement de l'écoulement d'air autour de la voiture et de ses pneus conduira à une meilleure compréhension de leur performance aérodynamique », a déclaré Kuraishi. « Des simulations aussi sophistiquées sont importantes pour fournir des solutions réalistes et des réponses fiables dans la conception et l'évaluation des performances. »
Tezduyar, dont le laboratoire a également modélisé des parachutes de récupération pour les capsules Orion de la NASA, a déclaré que l'utilisation de NURBS dans l'analyse computationnelle a considérablement augmenté ces dernières années, combinant efficacité et précision en réduisant le nombre de points de maillage nécessaires pour modéliser un système. Considérez le maillage comme un filet d'un fluide — comme l'air — autour d'un objet, avec les points de maillage vivant dans des éléments 3D. Les points et les éléments bougent lorsque l'objet bouge.
Dans un modèle de voiture en mouvement, l'analyse d'écoulement computationnelle avec NURBS a été réalisée avec environ 1,1 million de points, une fraction du nombre utilisé dans les méthodes habituelles, tout en conservant sa précision. Cela réduit également le coût computationnel, a déclaré Tezduyar.
« Nous avons un maillage 3D autour de la voiture et des pneus, avec plus de points près des surfaces des pneus pour une plus grande précision là où c'est le plus important », a-t-il dit. « Au fur et à mesure que le pneu tourne, les points et les éléments tournent avec lui, mais le problème est qu'au fur et à mesure que le pneu tourne, les éléments se déplaçant sous le pneu s'effondrent — et c'est ce que les autres méthodes ne peuvent pas gérer. Notre méthode le fait, et c'est la clé pour obtenir une simulation précise. »
« Au fil du temps, naturellement, de nouveaux designs de pneus ou des améliorations seront envisagés », a-t-il dit. « Ce serait très bénéfique pour les fabricants de pneus de faire ce type de simulation avant d'investir dans la génération d'un prototype, car cela leur donnerait des données numériques complètes et détaillées sur l'aérodynamique autour du pneu qui seraient difficiles à obtenir de toute autre manière. »
Capteur
- Maîtriser la simulation de circuits électriques avec SPICE : Guide pratique pour concepteurs et étudiants
- Pneu : des matières premières à la conception avancée – guide complet
- NVIDIA Jetson Nano : ordinateur IA 5 W, 472 GFLOPS pour makers et entreprises
- Modèles d'apprentissage automatique prédisant précisément la santé et la longévité des batteries
- Maîtriser les Tâches d'Affichage Verilog : Débogage et Journalisation Efficaces
- Sept façons prouvées dont la vision par ordinateur booste l'efficacité et réduit les coûts
- Détection rapide et précise du COVID-19 par technologie graphène
- Surveillance santé en temps réel avec caméras smartphone et ordinateur
- Outil Fe3 de NASA Ames : Simulation avancée du trafic aérien à basse altitude