Professional Documents
Culture Documents
Modeliranje I Simulacije 1.kol FSB
Modeliranje I Simulacije 1.kol FSB
Sveučilište u Zagrebu
Fakultet strojarstva i brodogradnje
MODELIRANJE I SIMULACIJE
Zavod za materijale
PODACI
Upotpunjavanje
fonda podataka o poznatim INFORMACIJE
činjenicama i slučajevima
Upotreba podataka u
predviđanju nepoznatih
činjenica i slučajeva
Analiza i povezivanje informacija: postavljanje i
potvrđivanje hipoteza, postavljanje i validacija modela, opis
i primjena novih znanstvenih spoznaja
Zadatak rada:
Kako primjena dubokog hlađenja utječe na krivulju popuštanja kaljenog brzoreznog čelika
PM S390 MC ?
Informacija o utjecaju
DH za određene specifične
temperature popuštanja, ali
nedovoljno podataka za
cijelu krivulju popuštanja
2. STVARANJE INFORMACIJE:
analiza i otkrivanje zakonitosti iz
podataka npr. pomoću grafičkog
prikaza eksperimentalnih vrijednosti
(, HRC) za različita polazna stanja
čelika
Informacija o utjecaju DH
5
na krivulju popuštanja
Primjer 1.
a) Precizni ali netočni podaci mjerenja električnog napona
f(x)
11
Normalna (Gauss-ova) razdioba
12
13
Hiperbolni model Parabolni model (III. reda)
Grupiranje
podataka
Sinteza podataka
Postavljanje hipoteza
Korelacijska
Zbirne analiza
tablice
Pretraživanje
podataka
Analiza
varijance
Teorijsko
modeliranje
Vizualizacija
Deskriptivna
Virtualna stvarnost statistika Strojno učenje
(umjetne neuronske
mreže, genetički
algoritmi, …)
Plan
Računalne simulacije pokusa Eksperimentalno modeliranje
Kvaliteta podataka:
Standardiziranost podataka
Podudarnost podataka
Životni ciklus informacije Verifikacija podataka
Proširivost podataka
16
Promjena vrijednosti informacije tijekom životnog ciklusa
Primjer 1.
Izbor regresijskog modela i aproksimacija
raspodjele podataka
Primjer 2.
Kontinuirani TTT dijagram
analiza
podataka
neuronskom Izotermički TTT dijagram
mrežom
• Statistika
– matematička disciplina
– ograničen izbor modela (po značajnosti, ne po broju!)
– zna provjeriti unaprijed sastavljene hipoteze, ne zna ih sastavljati
• Strojno učenje
– neuronske mreže, genetički algoritmi, genetičko programiranje
– zamršeniji modeli (po izražajnosti, ne po tumačenju ili provedbi)
– sastavlja (“traži”) hipoteze, ne zna ih provjeriti
• Vizualizacija
– prikazuje podatke na čovjeku razumljiv oblik (tablice, dijagrami, karte
svojstava, crteži, mape, sheme, animacije, računalne simulacije, virtualna
stvarnost)
– ne sastavlja modele i ne provjerava ih
– najprostija, najučinkovitija i najlakše zavaravajuća tehnika 19
OPIS: RAZVOJ
Fenomena, SIMULACIJA
Procesa, MODELA
Objekta,
Sustava, …
21
Struktura općeg sustava djelovanja
22
Osnovi tipovi funkcijskih veza između elementa sustava ili podsustava
IZLAZI
(Yj)
Energija
(E')
Tvar Informacije
(M') (I')
23
9. Načelo hijerarhije. Sustav se promatra kao element nekog većeg sustava, a istovremeno
se i sam se sastoji od podsustava.
10. Načelo ekvifinaliteta: Do istog konačnog stanja sustava (ostvarenja ciljeva) može se
doći na različite načine.
11. Načelo specijalizacije (podjele rada). Elementi i podsustavi složenih sustava se
diferenciraju i specijaliziraju za obavljanje pojedinih funkcija a potom se integriraju u
novu strukturnu i funkcionalnu cjelinu.
12. Načelo evolucije i samoorganizacije: Složeni adaptivni sustavi (engl. Complex
Adaptive Systems) mogu se razvijati prema složenijoj organizaciji samo ako u sustavu
postoji višak slobodne energije. Također mogu održavati dinamiku stabilnog stanja, ako je
protok energije kroz sustav konstantan ili mogu početi propadati ako se tijek energije
zaustavi ili smanji.
13. Načelo akumulacije znanja. U razvoju i djelovanju složenih adaptivnih sustava se
uspostavlja kontinuirani protok informacija i stvara se novo znanje.
14. Načelo znanstvene spoznaje. Dobar model sustava u sebi sadrži značajke i zakonitosti
svih ostalih sličnih sustava.
15. Načelo samospoznaje. Složeni i adaptivni sustavi mogu samostalno kreirati modele
samospoznaje.
16 Načelo inženjerstva. Struktura i svojstva dinamičkih sustava mogu se poboljšavati
povećanjem intenziteta protoka energije, materijala i informacija. Međutim preveliko
povećanje složenosti može dovesti do nestabilnosti i kolapsa sustava. 25
26
Blok shema tehničkog sustava
u1, u2 y1, y2
Primjeri linearnih procesa
u(t) y(t)
• STATIČKI – DINAMIČKI
(prema ovisnosti ulaznih i izlaznih varijabli procesa o vremenu);
u(t) y(t)
Veličine i značajke dinamičkih procesa
Naziv veličine i značajke (s objašnjenjem) Oznaka
1. Osnovne dinamičke 1.1. potencijal (pokretačka sila za pretvorbu, gibanje ili E
veličine prijenos): naprezanje, tlak (hidrostatički, dinamički),
visina razine tekućine, brzina strujanja tekućine,
koncentracija otopine, sila, moment, kutna brzina,
električni napon, temperatura.
1.2 protok (brzina prijenosa pohranjivane veličine): protok T
mase, protok molarne mase, snaga, brzina gibanja, jakost
električne struje
1.3 akumulacija (pohranjivana veličina): masa, energija, A
moment količine gibanja, impuls, količina naboja.
2.Izvedene dinamičke 2.1 ubrzanje (prijenosa pohranjivane veličine) U
veličine 2.2 brzina (promjene potencijala) VE
3.Dinamičke značajke 3. 1 koeficijent inercije(mjera promjene potencijala koja će I
izazvati jedinično ubrzanje toka)
3.2 koeficijent otpora (mjera promjene potencijala potrebna R
za jediničnu promjenu toka)
3.3 koeficijent kapaciteta (mjera promjene akumulirane C
veličine uslijed koje će nastupiti jedinična promjena veličine
potencijala) 30
vr ije m e
vrijeme
događaj
3. Kontinuirano-diskretizirani procesi
zavisna
varija bla
vrijem e
31
do gađaj
• DETERMINISTIČKI – STOHASTIČKI
(prema stupnju jakosti veza između varijabli procesa);
u(t) y(t)
33
Primjer praćenja razvoja tehničkog Izvori rizika koji mogu dovesti do kašnjenja u 34
sustava primjenom Gantt-ove sheme realizaciji projekta tehničkog sustava
2. Modeli i modeliranje
• Definicije modela
• Zadaci modeliranja
• Svojstva modela
• Ocjenjivanje modela
“Model” je ....
“Model” je ....
SUSTAV
F W>0
Q>0
Granica sustava
F W<0
m = konst.
Q<0 l
6
7
Razvoj i ispitivanje identifikacijskog modela nepoznatog procesa mjerenjem i obradom podataka
y
c
F(t) C
m e (t) i
R
d y
1 t
m c y ky F ( t ) L
di
Ri idt e ( t )
dt dt C 0
Masa m Indukcija L
Konstanta opruge 1/k analogije
Kapacitet C
Prigušenje c Otpor R
Aerodinamički (fizički)
model vakuumske komore
2D matematički
model vakuumske 3D matematički model
komore vakuumske komore
15
17
Elementi definicije:
18
24
25
x(t) y(t)
26
skalarna vektorska
• potencijalne veličine ( E );
b) Izvedene veličine:
• brzina (VE = dE/dt)
• ubrzanje (U = dT/dt)
c) Dinamički koeficijenti:
• koeficijent kapaciteta (C),
• koeficijent otpora (R), Dinamički kvadrat
(“kvadrat stanja’’) 29
• koeficijent inercije ( I ).
•Newtonov zakon
•Fourierov zakon
•Fickov zakon
•Ohmov zakon
30
32
“Simulacija” je:
oponašanje stvarnih pojava u svrhu njihova ispitivanja koje se
obavlja se na modelima zbog jednostavnije, jeftinije, sigurnije ili
jedino moguće izvedbe;
tijek specijalnog programa, kojeg je rezultat vremenski odziv
modela i opis ponašanja modeliranog procesa;
metoda, koja omogućuje proučavanje ponašanja sustava
eksperimentiranjem na prikladnom modelu u realnom,
skraćenom ili produljenom vremenu;
metoda, koja omogućuje zamjenu realnog procesa s
jednostavnim i jeftinim računalom, na kojem je moguće
eksperimentiranje bez rizika uz ilustrativne rezultate.
33
Metode
Problemi
Determinističke Stohastičke
Deterministički Numerička analiza Monte Carlo metoda
Stohastički Proračun vjerojatnosti Simulacijske tehnike
Prednosti: Nedostaci:
35
Računalna simulacija
Laboratorijski pokus (računalni pokus)
37
Računalni programi
- opći matematički programi: MathCad, ...
- matematički programi s programskim jezikom i ‘radnim alatima’: Matlab, Scilab, Mathematica...
- FEM programi: Comsol Multiphysics, Sysweld, Ansys, Abacus, FreeFEM, ...
- BEM, FDM, FVM programi
38
Metoda konačnih
diferencija,
Metoda kontrolnih
volumena,
Metoda konačnih
elemenata,
Metoda rubnih elemenata,
Hibridne metode. ARe , AIe = f(
Aek+1 Aek
Le
k+1 k k+1 k
l
Le
y y Aek-1
k-1 k-1
x x
39
x1 (− +𝑗 )
x2 (− −𝑗 )
Ispiši tekst: „Rješenja jednadžbe su kompleksni brojevi ”, x1, x2
Inače
Ako je b 0 onda
x
Ispiši tekst: „Dvostruko rješenje je”, x
Inače
Ako je c = 0 onda
Ispiši tekst: „Rješenja su svi realni brojevi”
Inače 41
Ispiši tekst: „Nema rješenja”
Programiranje
Eksperimentalna simulacijskog algoritma
provjera rješenja
Simulacijski
model
42
Validacija modela i verifikacija simulacije
3. ANALITIČKO MODELIRANJE
tgr = ft( , V/A, , , c, a, peć, zav , ...) .... formalni zapis funkcije za proračun vremena ugrijavanja
d As
cV
dt
Analitički oblik funkcije tgr za toplinski dobro vodljiva tijela određene prema metodi Newton:
c, , = f() !!
= f(, p, q, V/A) !!
c, , = f()
= f(,V/A, ...)
pec = 850 oC
pec,5 = 850 oC
800
800 pec,4 = 800 oC
Temperatura, oC
Temperatura, oC
600
600 pec,3 = 600 oC
400
400 pec,2 = 400 oC
200
200 pec,1 = 200 oC t2 t3 t4 t5
t2 t3 t4 t5
t1
t1 Vrijeme, s
Vrijeme, s t2=t1+t2
t2=t1+t2
t3=t2+t3 t3=t2+t3
t4=t3+t4 t4=t3+t4
t5=t4+t5
t5=t4+t5
Rezultati prema 1. načina proračuna tgr: Rezultati prema 2. načinu proračuna tgr:
Zaključak:
- vrijeme zagrijavanja je nerealno velikih vrijednosti, - vrijeme zagrijavanja je veće od očekivanog, ali
nije predugačko,
- tijek krivulje promjene temperature ne odgovara
procesu zagrijavanja u peći. - tijek krivulje promjene temperature odgovara
zagrijavanju u peći.
Korekcija drugog algoritma proračuna tgr povećanjem koeficijenta prijelaza topline za faktor 3,25,
Fourierov zakon
+ Fourierov zakon
+ početni uvjet:
+ rubni uvjeti:
Rješenje
Primjena
Primjer
3.3 1D 1.model
Jednodimenzijski analitički
pougljičavanja model pougljičavanja u plinskoj atmosferi
čelika
ULAZNE IZLAZNE
KARAKTERISTIKE KARAKTERISTIKE
- vrijeme ugrijavanja (tgr)
OBRADAK
- %C = f(x,y,z),
- %C, %L.E. - efektivna dubina
- koeficijent difuzije ugljika (DC), pougljičavanja (CHD),
PEĆ ZA POUGLJIČAVANJE
KARAKTERISTIKE PROCESA
- plinska atmosfera: - Cpot = 1,15 %C,
CO, CO2, H2, H2O, - CR = 0,8 %C
- Carbomaag postupak, - C = 920 oC,
- koeficijent prijelaza ugljika (s - tc = 2 – 6 h,
plinske atmosfere u površinu
čelika): = 2,6*10-3 mm/s - kontinuirano grijanje na C,
(1)
rubni uvjeti:
a) na granici plinska atmosfera – čelik:
(2)
(4)
(5)
T, temperatura, K
Za praktičnu primjenu još je važnije poopćenje modela (4) na legirane čelike
koje se izvodi uvođenjem termodinamičke aktivnosti ugljika u čeliku aC umjesto
%C. Pri tome matematička forma jednadžbe (4) ostaje nepromijenjena.
(6)
aC aR x
erf
a j aR 2 Dt
(5)
(7)
(8)
Rezultati
r 3
Buckingh-ov teorem: Svaka jednadžba koja opisuje neko fizikalno stanje ili
proces mora biti dimenzijski homogena.
tj.
vodljivost
7 Toplina Q J L2MT-2 Lx 2/3Ly2/3Lz2/3MjT-2
10
11
12
13
14
15
16
17
18
Specimen's
1000 holder
Steel grade Still N2
EN-90MnCrV8
Ceramic
800 tube
t8/5 Specimen
Temperature, oC
600
0.3 mm
qe
400
End-cooling with N2
p = 3 bar, v = 70 m/s
200
21
22
? 23
24
25
1
95% confidence bounds
Relative change in length calculated by
2
R = 0,9474 0,8
regression model [µm/mm]
0,6
0,4
0,2
0
-0,6 -0,4 -0,2 0 0,2 0,4 0,6 0,8 1
-0,2
-0,4
-0,6
Relative change in length calculated by simulation
[µm/mm]
26
b) Stvarno sabijanje
a) Idealno sabijanje
27
M: a1 + a2 + a3 + a4 + a5 = 0 (1)
L: a1 - a2 - a3 - a4 - a5 + a6 + a7 = 0 (2)
T: -2a1 - 2a2 - 2a3 - 2a4 - 2a5 = 0 (3)
28
= konst. (za isti materijal)
5. NUMERIČKO MODELIRANJE
a) Mac-Laurinov red:
𝑓 𝑥 =𝑓 0 +𝑓 0 + 𝑓 0 + 𝑓 0 +⋯
! !
b) Taylorov red:
𝑥−𝑥 𝑥−𝑥
𝑓 𝑥 =𝑓 𝑥 + 𝑥−𝑥 𝑓 𝑥 + 𝑓 𝑥 + 𝑓 𝑥 +⋯
2! 3!
𝑓 𝑥 =𝑓 𝑥 + 𝑥−𝑥 𝑓 𝑥 (2)
𝑓 𝑥
𝑥 =𝑥 −
𝑓 𝑥
(4)
𝑓 𝑥 = +𝑂 ℎ (6)
𝑓 𝑥 = +𝑂 ℎ (7)
𝑓 𝑥 = +𝑂 ℎ (8)
5
razlika unaprijed razlika unazad centralna razlika
𝑓 𝑏 −𝑓 𝑎
𝑃 𝑥 =𝑓 𝑎 + 𝑥−𝑎 (9)
𝑏−𝑎
𝑏−𝑎
𝐼 𝑓 = 𝑃 𝑥 𝑑𝑥 = 𝑓 𝑎 +𝑓 𝑏 (10)
2
a) b)
Shematski prikaz traženja rješenja kod običnih diferencijalnih jednadžbi s:
7
a) početnim uvjetima, b) rubnim uvjetima
𝜕 𝑢 𝜕 𝑢 𝜕 𝑢 𝜕𝑢 𝜕𝑢
𝐴 𝑥, 𝑦 + 𝐵 𝑥, 𝑦 + 𝐶 𝑥, 𝑦 + 𝐷 𝑥, 𝑦, 𝑢, , = 𝑓(𝑥, 𝑦) (11)
𝜕𝑥 𝜕𝑥𝜕𝑦 𝜕𝑦 𝜕𝑥 𝜕𝑦
Ovisno o odnosu funkcija A(x,y), B(x,y), C(x,y) i D(x,y) PDE II. reda mogu
pripadati jednoj od tri klase difrencijalnih jednadžbi:
11
Pogreška aproksimacije:
13
Pogreška aproksimacije:
14
15
(1)
(2)
17
ili
18
(3.a)
(4)
19
fe .. interpolacijski faktor
20
21
(5)
22
23
25
27
28
x N1 N2 N3
31
Funkcije oblika N1, N2, N3 nad osnosimetričnim trokutnim elementom i aproksimacija raspodjele temperature:
N1 N2 N3
32
W R dV 0
V
i (9)
33
Primjer:
Minimizacija reziduala jednadžbe nestacionarnog provođenja topline kroz ugrijanu
ploču uronjenu u sredstvo za gašenje
N e N e T e
x x
y y
T L c N R ( x , y :
t
N e N e
N
T
T T e e
T L cN
T
T e
dV N s dS 0
V x x y y t Sq n
34
3
1
... Vektor koncentriranih rubnih uvjeta,
S 1
N1 qs1
Q N q d N q
i
T
S
e
2
s 2 d
... Vektor koncentriranih toplinskih
izvora (ponora) u geometrijskom
0 0
N 3 qs 3 čvoru. 35
W d
t
0
1
W d
0
t
36
W
e
Cij
1
t
T dt
t
W
Dije
1
t
T
dt Tke1 Cije Wt T
1 dt
t
W
Dije
1
t
T
1 dt Tke
0 0
0 0
1
Wt
0
T
1 dt W 1 Q Q dt 0
e
i ,k
e
i ,k 1 0
1
t
T e
i ,k
e
i , k 1
K T
e
k 1 k 1 K ke Tk F e .... integralni doprinos “e-tog” trokutnog
elementa raspodijeli temperature u
promatranoj geometrijskoj domeni.
37
K k 1 C e t D e
e
K k C e (1 )t D e
e
Globalni sustav FEM jednadžbi temperaturnog polja (za čitavu mrežu konačnih elemenata):
diskretni
matematički model
K k 1 Tk 1 K k Tk F 38
39
40
41
42
43
44
45
46
http://www.simulia.com/locations/locations.html.
47
Re
[MPa]
T [C]
53
54
Diskretizacija geometrije kotača mrežom konačnih elemenata
55
Raspored temperature nakon t = 150 s od početka gašenja
56
Udjel martenzita nakon kaljenja Udjel bainita nakon kaljenja
Initial shape
Deformed
shape
Numeričke metode
1 D matematički modeli
Analitičke metode
58
Uporabne karakteristike
Uporabne
karakteristike
Svojstva
Struktura
Proizvodni
postupak
Eksperimentalno
određeni dijagrami
Dijagram
von Misses-ova naizmjeničnog
kružnica naprezanja naprezanja
von Misses-ova H H
kružnica
naprezanja H ... parametar kinematičkog očvrsnuća
d) Model kinematičko očvrstivog materijala u uvjetima vlačno-tlačnog naprezanja
Bauschingerov fenomen:
stvarni metalni materijal različito
očvršćava u uvjetima vlačnog u
odnosu na tlačno naprezanja 7
TTT dijagram za
kontinuirano ohlađivanje
čelika 41Cr4
Eksperimentalno određeni
udjeli faza i tvrdoća ovisno o
vremenu t800/500
10
t800//500
Jominy Obradak
proba
Predviđanje raspodjele tvrdoće po presjeku obratka na temelju izjednačavanja tvrdoće na određenom mjestu
Jominy probe i tvrdoće na obratku kao posljedice istog vremena hlađenja od 800 C do 500 C (t8/5)
T(oC) = const. !
14
T1= konst.
T konst.
Shematski prikaz primjene JMAK modela na predviđanje udjela mikrostrukturnih faza zamjenom:
a) kontinuiranog ugrijavanja nizom kratkotrajnih izotermičkih držanja na Ti=konst. (Ti+1 > Ti),
b) kontinuiranog ohlađivanja nizom kratkotrajnih izotermičkih držanja na na Ti=konst. (Ti+1 < Ti),
17
Primjer predviđanja raspodjele mikrostrukturnih faza i tvrdoće po presjeku valjaka na temelju izabranog
čelika i snimljene krivulje gašenja primjenom JMAK modela u računalnom programu SQIntegra
a)
b)
a) Koncept računalne simulacije međusobno uvjetovanih toplinskih, mikrostrukturnih i mehaničkih procesa u toplinskoj
obradi metala s faznim pretvorbama (npr. kaljenju čelika).
Linije 1, 3, 6 pokazuju direktno djelovanje procesa; linije 2, 4 i 5 pokazuju povratno djelovanje kroz promjenu svojstava
materijala
Phenomena simulation: filling, Phenomena simulation: filling, Phenomena simulation: natural metal
solidification, stress, defects solidification, defects prediction convection, solidification, defects
prediction, microstructure, grain prediction, grain growth/orientation
growth orientation Simulation processes:
gravity/pressure casting, lost Simulation processes:
Simulation processes: foam, thixocasting, core blowing continuos/semicontinuos casting of steel,
gravity/pressure casting, Al, Mg, Cu, cast-iron billets, plates, strips
investment/precision casting, lost 21
foam, thixocasting, centrifugal c.
22
A. Opće metode:
- Statističke
- Kvantitativna materijalografija
B1. Na nano- mikro razini
- Statistička mehanika na atomskoj razini
- Monte Carlo
- Molekularna dinamika
B2. Na mikro- mezo razini
- Diskretna dislokacijska statika i dinamika
- Ginzburg-Landau kinetički modeli faznih polja
- Ćelijasti automati (Cellular automata)
- Topološke mreže i vertex modeli
Deterministički/stohastički problem?
Atomistički/kontinuiran: treba li koristiti atomistički ili kontinuiran model?
Kombinacija skala: je li nužno kombinirati različite prostorne i vremenske skale?
Analiza i prezentacija podataka: koja će se metoda koristiti?
100
Metode atomskih
simulacija Mezoskale metode
(ms) 10-3
Termodinamika
Materijali
Metoda konačnih
elemenata
(s) 10-6
Semi-empiričke
(ns) 10-9 metode
Monte Carlo
Kemija
Molekularna dinamika
(ps) 10-12 Ab initio
metode
Tijesne veze
(fs) 10-15
Fizika
Višerazinsko modeliranje
(modeliranje fizikalnih fenomena od atomarne do makroskopske razine)
Primjer 1
Primjer 2
Primjena višerazinske analize materijala – modeli materijala na nižim razinama ugrađuju se u modele na
višim, eksperimentalna validacija modela izvodi se na nekoj razini značajnoj za uporabu proizvoda
(primjer modeliranja metalnih materijala za izradu automobila)
33
Fazna pretvorba (A F, M)
Promjene mikrostrukture tijekom TMO + precipitacijsko očvrsnuće
c) (izlučivanje precipitata: NbC,
NbN,VC,TiC, TiN, TiCN, …)
Grubozrnati Sitnozrnati
austenit austenit
Austenitizacija
+ toplo valjanje
+ rekristalizacija
a)
b)
Toplinsko-mehanička obrada (TMO) mikrolegiranog čelika u području stabilnog austenita: a) toplo valjanje i rekristalizacija
austenitiziranog čelika; b) cjelokupni proces TMO u proizvodnji širokih traka ili debelih limova; c) dvojne mikrostrukture
35
36
a)
b)
Tehnički i ekonomski
Konstruiranje i tehnologično oblikovanje, izbor materijala, optimiranje
zahtjevi za izradu
konstrukcije konstrukcije
Izbor Kontrolirane
Predviđanje i optimiranje
optimalnog promjene Dobivanje optimalnih ponašanja materijala i
kemijskog mikrostrukture svojstava materijala konstrukcije u eksploataciji
sastava i na više razina
polaznog
oblika Virtualna konstrukcija,
materijala Izbor, priprema i optimiranje proizvodnih postupaka proizvodnja i
eksploatacija proizvoda
Ciljevi računalne
simulacije
42
43
Virtualni prototipovi odljevak bloka motora i provedene analize: CAD model, analiza uljevanja
taline, analiza skrućivanja i nastanka poroznosti, analiza čvrstoće i dinamičke izdržljivosti odljevka
45
46