Sveuilite u Zagrebu

Fakultet strojarstva i brodogradnje

MODELIRANJE I SIMULACIJE
Ak. god. 2016/2017
Smjer: Inenjerstvo materijala

Zavod za materijale

Izv.prof. dr. sc. Darko Landek

1. UVOD U SIMULACIJSKO MODELIRANJE

Metode opisa fenomena i prikupljanje podataka

Priprema podataka
Analiza i razumijevanje podataka
Otkrivanje zakonitosti u skupu podataka

Definicije modela Tehniki sustavi

Zadaci modeliranja Osnovni procesi u
tehnikim sustavima
Svojstva modela
Modeli u tehnikim sustavima
Eksperimentalni i apstraktni modeli Definicije simulacije
Klasifikacija procesa i modela Simulacijsko modeliranje

Matematiko modeliranje i simulacije proizvodnih procesa

Matematiko modeliranje ponaanja i svojstava materijala 2

1
1.1. Podaci informacije (novo) znanje

1.1.1 Primjer: Diplomski rad od podataka do novog znanja

Zadatak rada:
Kako primjena dubokog hlaenja utjee na krivulju poputanja kaljenog brzoreznog elika
PM S390 MC ?

Rjeavanje zadatka izrada rada

1. PRIKUPLJANJE PODATAKA
1.1 Analiza literature i rezultata
prijanjih pokusa
Informacija o utjecaju
DH za odreene specifine
temperature poputanja, ali
nedovoljno podataka za
cijelu krivulju poputanja

2
1.1.1 Primjer: Diplomski rad od podataka do novog znanja

1.2 Provedba vlastitih pokusa

Podaci o tvrdoi nakon

kaljenja, dubokog
hlaenja i poputanja
elika PM S390 MC
prema zadanom planu
pokusa

2. STVARANJE INFORMACIJE:
analiza i otkrivanje zakonitosti iz
podataka npr. pomou grafikog
prikaza eksperimentalnih vrijednosti
(, HRC) za razliita polazna stanja
elika

Informacija o utjecaju DH
5
na krivulju poputanja

1.1.1 Primjer: Diplomski rad od podataka do novog znanja

3. STVARANJE NOVOG ZNANJA

povezivanje i usporedba informacija iz
vlastitih pokusa s informacijama iz
literature i zakljuivanje o dobivenim
rezultatima, njihovim posljedicama i
tehnikoj primjeni
3.1 Diskusija rezultata i zakljuak o
provedenim ispitivanjima
3.2 Objava rada u pisanoj ili
elektronikoj formi
3.3 Prijenos znanja usmenim
izlaganjem ili posterom

3
1.1.2 Primjena analize i sinteze informacija iz podataka

Analiza poslovanja, proizvodnje, trita

Analiza poslovnih partnera, stranaka
Predvianje izvanrednih dogaaja
Trgovina, marketing, vojne analize, ...
Znanstvena istraivanja i razvoj:
materijali
proizvodni procesi
medicina (dijagnostika, prognoza, odluivanje)
farmacija (procesi, planiranje lijekova)
genetika (odreivanje funkcija i mree gena)
ekologija, ...
Brojna druga podruja:
internet (npr. Google...), ...
obrazovni sustav (npr. studentska anketa),... 7

1.1.3 Analiza i razumijevanje podataka

TO ? KAKO ? ZATO ?
to znae pojedinani podaci i njihove vrijednosti?
Da li je ureaj/osoba za prikupljanje podataka pouzdan/uvjeban?
Jesu li podaci toni i precizni? Koliki je um?
Kakva je raspodijela podataka? Da su podaci iz iste raspodjele?
Jesu li podaci meusobno povezani?
Kakva je povezanost ulaznih i izlaznih podatka (varijabli) sustava?
to znae nepoznate vrijednosti?
Je li uzorak podataka statistiki dovoljno velik?
Imaju li podaci isto znaenje? Koji podaci se signifikantno razlikuju?
Ako sastavljamo model predvianja: to elimo predviati i iz ega?
to moemo, a to ne moemo primjeniti u modelu? Zato ne moemo?

4
1.1.3 Analiza i razumijevanje podataka
Primjer 1.
a) Precizni ali netoni podaci mjerenja elektrinog napona

b) Toni ali neprecizni podaci

mjerenja elektrinog napona
Tona vrijednost

1.1.3 Analiza i razumijevanje podataka

Primjer 2.
Pogreka raunske veliine c, ako su poznate pogreke mjerenja veliina a i b
Raunska Raunska Apsalutna Relativna pogreka,
operacija veliina, pogreka,
c c

Zbrajanje a+b a + b + (1.3.a-c)

+
Oduzimanje a-b a - b + (1.4.a-c)

Mnoenje ka n a (1.5.a-c)
koeficijentom

Mnoenje ab ab - ba (1.6.a-c)
+

Dijeljenje + (1.7.a-c)
+
2
Kvadriranje a2 2aa 2 (1.8.a-c)

Potenciranje an na n-1a n (1.9.a-c)

Kvadriranje

1 1 (1.10.a-c)
1

5
1.1.3 Analiza i razumijevanje podataka
Primjer 3.
Prilagoavanje normalne razdiobe f(xi) skupu eksperimentalnih podataka xi

f(x)

11
Normalna (Gauss-ova) razdioba

1.1.3 Analiza i razumijevanje podataka

Primjer 4
Izbor matematikog modela ovisno o grupiranju eksperimentalnih rezultata i koeficijentu
korelacije (r)

12

6
1.1.3 Analiza i razumijevanje podataka
Primjer 5
Primjeri polinomnih regresijskih modela za eksperimentalne rezultate s r > 0,95

Linearni model Parabolni model (II. reda)

13
Hiperbolni model Parabolni model (III. reda)

1.1.4 Osnova naela pripreme podataka

Koji atributi nas zanimaju?

Odstrani atribute, koji nisu povezani s problemom
Odstrani atribute, koje nije mogue upotrijebiti
Odstrani atribute, koji su nepouzdano mjereni, imaju previe
manjkavih vrijednosti...
Po potrebi odstrani duplikate atributa
Moemo li odgonetnuti nepoznate ili pogrene vrijednosti?
Umjesto nepoznatih vrijednosti umetnimo najvjerojatnije vrijednosti
ili vrijednosti predskazane iz drugih vrijednosti
Pogrene vrijednosti lako otkrijemo vizualno
Koji primjeri nas zanimaju?
Odstrani nerelevantne primjere
Odstrani nepouzdane primjere (um, manjkajue vrijednosti)
Uvijek oblikuj im objektivniji kriterij odabira ispred odabiranja.
14

7
1.1.5 Stvaranje informacija iz podataka

15

1.1.5.1 Otkrivanje i tumaenje zakonitosti iz podataka statistikim metodama

Primjer 1.
Izbor regresijskog modela i aproksimacija
raspodjele podataka

Aproksimacija progiba savojne opruge ovisno o sili savijanja primjenom linearnog 16

regresijskog modela

8
1.1.5.2 Otkrivanje zakonitosti iz podataka strojnim uenjem

Primjer 2.
Kontinuirani TTT dijagram
analiza
podataka
neuronskom Izotermiki TTT dijagram
mreom

Analogija biolokog neurona i umjetne neuronske mree

Predvianje izotermikog TTT dijagrama primjenom neuronske mree

17
( __ eksperimentalni podaci; ,,... krivulje izraunate primjenom neuronske mree)

1.1.5.3 Usporedba metoda za otkrivanje zakonitosti u skupu podataka

Statistika
matematika disciplina
ogranien izbor modela (po znaajnosti, ne po broju!)
zna provjeriti unaprijed sastavljene hipoteze, ne zna ih sastavljati

Strojno uenje
neuronske mree, genetiki algoritmi, genetiko programiranje
zamreniji modeli (po izraajnosti, ne po tumaenju ili provedbi)
sastavlja (trai) hipoteze, ne zna ih provjeriti

Vizualizacija
prikazuje podatke na ovjeku razumljiv oblik (tablice, dijagrami, karte
svojstava, crtei, mape, sheme, animacije, raunalne simulacije, virtualna
stvarnost)
ne sastavlja modele i ne provjerava ih
najprostija, najuinkovitija i najlake zavaravajua tehnika 18

9
1.2 Tehniki sustav

a) b) c)

Koncepti definicije opeg sustava: a) funkcijski, b) hijerarhijski, c) strukturni

19

1.2.1 Povezanost elemenata sustava

Serijska veza Paralelna veza Kombinirana veza

Povratna veza Centralizirane veze Decentralizirane veze

Osnovni tipovi funkcijskih veza izmeu elemenata sustava

20

10
1.2.2 Struktura apstraktnog i tehnikog sustava

21
Blok shema tehnikog sustava

1.2.3 Klasifikacija procesa u tehnikim sustavima

Podjela procesa u tehnikim sustavima

Kriterij podjele Vrsta procesa

A Djelovanje procesa na
transformaciju ulaz/izlaz:
1. tvari (materijalna proizvodnja) 1. procesi promijene 2. procesi 3. procesi pohrane
2. energije (energetika) (pretvorbe) prijenosa (skladitenja)
3. informacija (informatika)
B Meusobna povezanost 1. linearni procesi 2. nelinearni procesi
ulazno/izlaznih varijabli
C Ovisnost parametara procesa 1.vremenski nepromjenljivi 2. vremenski promjenljivi
(stanja sustava) o (stacionarni) (nestacionarni)
vremenskom toku

D Ovisnost varijabli procesa o 1. statiki procesi 2. dinamiki procesi

vremenskom toku
E Nain odvijanja procesa 1. tekui 2. isprekidani 3. pojedinani
(kontinuirani) (diskontinuirani, (komadni)
arni)
F Ovisnost varijabli procesa o 1. usredotoeni 2. raspodijeljeni
prostornim koordinatama (koncentrirani) procesi (distribuirani) procesi
G Stupanj odreenosti veza
izmeu ulaznih i izlaznih 1. deterministiki procesi 2. stohastiki procesi
varijabli
22

11
1.2.3 Klasifikacija procesa u tehnikim sustavima
LINEARNI NELINEARNI (prema meusobnoj povezanosti varijabli);
u1, u2 y1, y2
Primjeri linearnih procesa

Kod linearnih procesa vrijedi princip superpozicije !

23

1.2.3 Klasifikacija procesa u tehnikim sustavima

VREMENSKI NEPROMJENJIVI PROMJENLJIVI
(prema ovisnosti parametara procesa o vremenu);
u(t) y(t)

Promjena izlazne varijable kod vremenski nepromjenjivog i

vremenski promjenjivog procesa 24

12
1.2.3 Klasifikacija procesa u tehnikim sustavima
STATIKI DINAMIKI
(prema ovisnosti ulaznih i izlaznih varijabli procesa o vremenu);
u(t) y(t)

Veliine i znaajke dinamikih procesa

Naziv veliine i znaajke (s objanjenjem) Oznaka
1. Osnovne dinamike 1.1. potencijal (pokretaka sila za pretvorbu, gibanje ili E
veliine prijenos): naprezanje, tlak (hidrostatiki, dinamiki),
visina razine tekuine, brzina strujanja tekuine,
koncentracija otopine, sila, moment, kutna brzina,
elektrini napon, temperatura.
1.2 protok (brzina prijenosa pohranjivane veliine): protok T
mase, protok molarne mase, snaga, brzina gibanja, jakost
elektrine struje
1.3 akumulacija (pohranjivana veliina): masa, energija, A
moment koliine gibanja, impuls, koliina naboja.
2.Izvedene dinamike 2.1 ubrzanje (prijenosa pohranjivane veliine) U
veliine 2.2 brzina (promjene potencijala) VE
3.Dinamike znaajke 3. 1 koeficijent inercije(mjera promjene potencijala koja e I
izazvati jedinino ubrzanje toka)
3.2 koeficijent otpora (mjera promjene potencijala potrebna R Kvadrat stanja
za jedininu promjenu toka) (dinamiki kvadrat)
3.3 koeficijent kapaciteta (mjera promjene akumulirane C
veliine uslijed koje e nastupiti jedinina promjena veliine
potencijala)

25

1.2.3 Klasifikacija procesa u tehnikim sustavima

KONTINUIRANI ISPREKIDANI DISKRETIZIRANI)
(prema nainu promjene parametara tijekom vremena postojanja procesa);

1. Kontinuirani procesi 2. Diskretizirani procesi

zavisna
zavisna
varijabla
varijabla

vrijeme
vrijeme
3. Kontinuirano-diskretizirani procesi dogaaj

zavisna
varijabla

vrijeme
26
dogaaj

13
1.2.3 Klasifikacija procesa u tehnikim sustavima
KONCENTRIRANI RAZDIJELJENI PARAMETRI
(prema ovisnosti parametara procesa o prostornim koordinatama);

Prostorno koncentrirani procesi Prostorno raspodijeljeni procesi

27

1.2.3 Klasifikacija procesa u tehnikim sustavima

DETERMINISTIKI STOHASTIKI
(prema stupnju jakosti veza izmeu varijabli procesa);

u(t) y(t)

Vremenski tijek izlazne varijable deterministikih i stohastikih procesa

28

14
Faze razrade matematickih modela

2. Modeli i modeliranje
Definicije modela
Zadaci modeliranja
Svojstva modela
Ocjenjivanje modela

Osnovne vrste modela

Modeli u tehnikim sustavima
Eksperimentalni i teorijski modeli

Simulacije i simulacijsko modeliranje

1

2.1 Definicije modela

Model je ....

svjesno konstruirana predodba stvarnosti, oponaanje;

uzorak, predodba, obrazac po kojem se neto planira ili radi;
nadomjestak nekog konkretnog sustava ili objekta (opreme);
reprodukcija ili shema (ureaja, stroja, graevine...); za razvoj
objekata ili procesa (poveanih, umanjenih ili u prirodnoj
veliini);
idealizacija kojom se najee uzima u obzir povezanost malog
broja najutjecajnijih imbenika;
idealizirani (simboliki) objekt ili koncept u kojem je realnost
prenesena u neki upotrebljiv i razumljiv oblik.

Modeliranje i simulacije 2016./2017. 1

Faze razrade matematickih modela

2.1 Definicije modela

Model je ....

zapis kojim se odnosi izmeu procesnih veliina,

geometrijskih i fizikalnih svojstava prostora u kojem se odvija
proces preslikavaju u matematiku strukturu;
matematikim simbolima opisana hipoteza o tijeku i
svojstvima promatranog procesa
pojednostavljeni opis nekih aspekata realnog objekta ili
fizikalnog sustava s namjerom da se obuhvate bitni aspekti
sustava u to je mogue jednostavnijem obliku i da se po
mogunosti matematiki rijee u cilju razumijevanja,
optimizacije, predvianja ponaanja ili voenja sustava.

2.2 Zadaci i ciljevi modeliranja

Svrha primjene modela:

Predodba ideja, ovisnosti i sl.

Objanjenje promjena stanja i procesa
Uvid u ponaanje nekog sustava
Predvianje ili prognoziranje stanja ili ponaanja sustava
Analiza varijantnih rjeenja objekta ili procesa u fazi
projektiranja
Regulacija rada ili voenje sustava
Optimiranje strukture, ponaanja i funkcije sustava traenje
optimalne varijante. (optimum najpovoljnije u postojeim
uvjetima)
Skraenje vremena rjeavanja problema nakon postavljanja i
simulacije modela
Uteda na eksperimentiranju u realnom svijetu 4

Modeliranje i simulacije 2016./2017. 2

Faze razrade matematickih modela

2.3 Modeli tehnikih sustava i procesa

(EKSPERIMENTALNI) (TEORIJSKI)
MODELI
POSLOVNOG
ODLUIVANJA

2.3 Modeli tehnikih sustava i procesa

EKSPERIMENTALNI (FIZIKI) APSTRAKTNI (TEORIJSKI ) MODELI

MODELI
identifikacija svojstava i tehnikih (matematiko) modeliranje procesa
karakteristika procesa
postavljaju se eksperimentom uz mjerenje
postavljaju se teoretskim
signala ulaza i izlaza stvarnog procesa ili
razmatranjima uz primjenu
njegovog modela;
osnovnih prirodnih zakona
greku mjerenja ulaznih i izlaznih veliina ouvanja mase, energije i koliine
stvarnog procesa ili njegova modela treba gibanja;
uiniti to manjom (promjenom
parametara ili strukture modela).
OKOLI

SUSTAV
F W>0
Q>0
Granica sustava
F W<0
m = konst.

Q<0 l
6

Modeliranje i simulacije 2016./2017. 3

Faze razrade matematickih modela
2.3 Modeli tehnikih sustava i procesa
EKSPERIMENTALNI MODELI
zahtijevaju pretpostavljanje
strukture unaprijed;
reproduciraju samo veze ulaza i
izlaza (model tipa crne kutije);
daju parametre koji su brojani
podaci nepovezani s fizikalnim
veliinama;
vrijede samo za konkretnu
kombinaciju radnih parametara u
konkretnom procesu u kojem je
izvedeno mjerenje;
2.3 Modeli tehnikih sustava i procesa
EKSPERIMENTALNI MODELI
mogu se postaviti samo na
postojeim ureajima i
postrojenjima;
primjenjuju se kad nisu poznati
ili matematiki opisivi interni
procesi u promatranom sustavu;
jednom pripremljen program za
prikupljanje i obradu rezultata
mjerenja moe se lako i brzo
primijeniti na razliite procese.
Obje vrste modela se meusobno nadopunjuju !
Modeliranje i simulacije 2016./2017.
TEORIJSKI MODELI
imaju strukturu izgraenu na temelju
prirodnih zakona (i eventualno nunih
aproksimacija u fazi formalnog
zapisa)
reproduciraju veze izmeu ulaznih,
izlaznih i internih varijabli procesa;
imaju parametre izravno povezane s
fizikalnim veliinama, svojstvima
materijala i karakteristikama procesa;
upotrebljivi su za niz kombinacija
radnih parametara procesa i sline
procese (ali esto s nepotpunim
podacima o veliinama procesa);
7
TEORIJSKI MODELI
mogu se postaviti i analizirati u fazi
planiranja i projektiranja procesa ili
proizvoda ;
mogu se primijeniti samo ako su
poznati i matematiki opisivi svi bitni
interni procesi;
za novi proces postavljaju se svaki put
iz poetka i na njih se uobiajeno
mora utroiti vie vremena za
pripremu od pripreme za postavljanje
eksperimentalnih modela.
8
4
Faze razrade matematickih modela

2.4 Svojstva dobrog modela (kvaliteta modela)

Preslikavanje: model je uvijek slika izvornika, tj. mora predstavljati

bitne karakteristike izvornika i omoguiti zakljuivanje o njegovim
svojstvima.

Analogija: izvornik i model moraju biti matematiki analogni.

Smanjenje i pojednostavljenje: model mora biti to jednostavniji, jer

je razvoj univerzalnog modela nemogu, a razvoj prekompleksnog
modela nepraktian i neekonomian.

Pragmatinost: model mora predstaviti nae znanje o izvorniku u

primjerenom obliku (najrazumljivijem korisniku) na prenosivim
medijima (papir, raunalni zapis) primjenom standardnih ispitnih
metoda na fizikom modelu i uobiajenih numerikih metoda i
raunalnih programa za razradu teorijskog modela.
9

2.4 Svojstva dobrog modela

Preslikavanje

Primjer raspodjele temperaturnog polja u disku konice 1,8 s nakon

naglog koenja primjer preslikavanja geometrije konice, rubnih i
poetnih uvjeta u raunalni model 10

Modeliranje i simulacije 2016./2017. 5

Faze razrade matematickih modela

2.4 Svojstva dobrog modela

Analogija
L

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
Priguenje c Otpor R

Primjer preslikavanja i analogije mehanikog i elektrinog sustava

kao podloge za modeliranje i simulaciju
11

2.4 Svojstva dobrog modela

Smanjenje i pojednostavljenje

3D matematiki model 3D matematiki model 2D matematiki

(1 zub zupanika) (cijeli zupanik) model (presjek zuba)

Primjer pojednostavljenja u matematikom modelu za odreivanje

zaostalih (uzdunih) naprezanja u zupaniku nakon cementiranja
12

Modeliranje i simulacije 2016./2017. 6

Faze razrade matematickih modela

2.4 Svojstva dobrog modela

Aerodinamiki (fiziki)
model vakuumske komore

2D matematiki
model vakuumske 3D matematiki model
komore vakuumske komore

Primjer izrade matematikog i fizikog modela radne komore u

suvremenoj vakuumskoj pei 13

2.5 Planiranje i razrada matematikog modela

2.6 Definicija problema i modeliranog sustava:

2.7 Formulacija matematikog modela

2.8 Analiza matematikog modela

2.9 Raunalne simulacije

14

Modeliranje i simulacije 2016./2017. 7

Faze razrade matematickih modela

2.5 Planiranje matematikog modela i simulacije

Faze u definiranju raunalnog

PRISTUP RAZVOJU MODELA
modela i simulacije: iz poetka (ab initio), fenomenoloki,
Izbor procesa ili fenomena za heuristiki, empiriki, ...
prouavanje (makroprocesi,
mikroprocesi, nanoprocesi)
Prikupljanje i analiza podataka
MATEMATIKI MODEL
Neovisne varijable
Razvoj matematikog modela Ovisne varijable (varijable stanja)
procesa Jednadbe stanja
Oblikovanje matematikog modela u Jednadbe evolucije strukture
Kinematike jednadbe
diskretnom obliku prikladnom za Parametri
programiranje na raunalu

Razvoj i/ili primjena prikladnog SIMULACIJA

numerikog algoritma Poetni i rubni uvjeti
Pisanje simulacijskog programa Algoritmi i izrada raunalnog programa
Izvoenje raunalnog eksperimenta. Validacija modela

Matematiko modeliranje i raunalna simulacija procesa u 15

tehnikom sustavu na temelju zakona ouvanja

A. Fenomenoloka opaanja, analize i mjerenja promatranog sustava

B. Definicija problema: utjecajne varijable, granice promatranog

sustava, formalni opis problema

C. Formulacija matematikog modela (s makro i mikro procesima)

D. Analiza osjetljivosti modela na greke (podataka i raunanja)

G. Eksperimentalna E. Validacija modela (teorijska, funkcionalna)

provjera modela i
rezultata simulacije
Novi model

Da/Ne

F. Raunalna simulacija: F.1 Definiranje algoritma

F.2 Pisanje programskog koda za rjeavanje jednadbi
modela
F.3 Verifikacija simulacije ispitivanjem odziva sustava
na standardne pobude 16
F.4 Prikaz i analiza rezultata simulacija

Modeliranje i simulacije 2016./2017. 8

Faze razrade matematickih modela

2.6 Definicija problema

Elementi definicije:

Identifikacija najznaajnijih utjecajnih imbenika na

rjeenje problema (Isikawa dijagrami, Pareto analiza,
logika analiza, ...);
Opis modeliranog sustava: granice sustava; ulazno/izlazne
varijable; elementi sustava; tokovi informacija, materijala,
energije; klasifikacija procesa
Formalni opis problema;
Cilj (hipoteza, svrha) modeliranja
Plan aktivnosti i kontrolnih toaka rada na modelu

17

2.6.2 Definicija problema Formalni opis problema

Primjer modela procesa obrade odvajanjem estica (1/5)
O emu ovisi kvaliteta obrade
odvajanjem estica ?

Primjer identifikacije utjecajnih imbenika na

karakteristike i kvalitetu obrade odvajanjem estica 18

Modeliranje i simulacije 2016./2017. 9

Faze razrade matematickih modela

2.6.2 Definicija problema Formalni opis problema

(2/5)
Hrapavost povrine i parametri obrade

Neke od vanijih iskustvenih spoznaja o utjecaju geometrije alata

na karakteristine veliine procesa obrade odvajanjem estica 19

2.6.2 Definicija problema Formalni opis problema

(3/5)

Primjer Ishikawa dijagrama kao podloge za sustavni prikaz znanja o

promatranom procesu 20

Modeliranje i simulacije 2016./2017. 10

Faze razrade matematickih modela

2.6.2 Definicija problema Formalni opis problema

(4/5)

Prikaz utjecajnih imbenika na karakteristike i

21
kvalitetu obrade odvajanjem estica

(5/5)

Identifikacija parametara procesa obrade odvajanjem estica 22

Modeliranje i simulacije 2016./2017. 11

Faze razrade matematickih modela

2.6.2 Definicija problema Formalni opis problema

(5/5)
Formalni opis modela procesa obrade odvajanjem estica

23

2.7 Formulacija matematikog modela

Faze formulacije modela:

I. Izbor matematikog modela prema vrsti modeliranog sustava i

dinamici procesa ili grupiranju eksperimentalnih rezultata;
II. Sastavljanje cjelovitog matematikog modela (na temelju
formalnog zapisa modela):
primijeniti zakone ouvanja: energije, mase, impulsa;
opis dinamike sustava jednadbama procesa i stanja;
kod stohastikih modela faktorski plan pokusa.
III. Definiranje kriterija za provjeru suglasnosti izabranog modela s
promatranim sustavom i dinamikom njegovih procesa
ukljuiti to vie mjerljivih veliina u model;

24

Modeliranje i simulacije 2016./2017. 12

Faze razrade matematickih modela

2.7 Formulacija matematikog modela standardne pobudne funkcije

Standardne pobudne funkcije i primjeri vremenskog odziva tehnikih sustava

x(t) y(t)

25

2.7 Formulacija matematikog modela sastavljanje modela

Elementi matematikog modela:

Skupovi (varijabli, koeficijenta, funkcija, operatora);
Linearni (vektorski) prostori stanja: 1-D, 2-D, 3-D, n-D;
Funkcije (preslikavanja): , F;
Operatori (L) : diferencijalni, integralni, mjeoviti;
Operatorske jednadbe: L ( ) = F

operator odziv(polje) pobuda (izvori, ponori)

skalarna vektorska

Rubni uvjeti: Dirichletovi, Neumannovi, mjeoviti, Cauchyjevi;

Jednadbe stanja, jednadbe procesa. 26

Modeliranje i simulacije 2016./2017. 13

Faze razrade matematickih modela

2.7 Formulacija matematikog modela sastavljanje modela

Varijable (veliine) i koeficijenti (znaajke) u jednadbama procesa u tehnikim sustavima

1. Osnovne dinamike veliine
2.Izvedene dinamike veliine
3.Dinamike znaajke (koeficijenti)
Naziv veliine i znaajke (s objanjenjem) Oznaka
1.1. potencijal (pokretaka sila za pretvorbu, E
gibanje ili prijenos): naprezanje, tlak
(hidrostatiki, dinamiki), visina razine tekuine,
brzina strujanja tekuine, koncentracija otopine,
sila, moment, kutna brzina, elektrini napon,
temperatura.
1.2 protok (brzina prijenosa pohranjivane T
veliine): protok mase, protok molarne mase,
snaga, brzina gibanja, jakost elektrine struje
1.3 akumulacija (pohranjivana veliina): masa, A
energija, moment koliine gibanja, impuls,
koliina naboja.
2.1 ubrzanje (prijenosa pohranjivane veliine) U
2.2 brzina (promjene potencijala) VE
3. 1 koeficijent inercije (mjera promjene I
potencijala koja e izazvati jedinino ubrzanje
toka)
3.2 koeficijent otpora (mjera promjene potencijala R
potrebna za jedininu promjenu toka)
3.3 koeficijent kapaciteta (mjera promjene C
akumulirane veliine uslijed koje e nastupiti
jedinina promjena veliine potencijala)
27

2.7 Formulacija matematikog modela sastavljanje modela

Varijable (veliine) i koeficijenti (znaajke) u jednadbama
procesa u tehnikim sustavima:
a) Osnovne veliine:
akumulacijske (pohranjivane) veliine (A),
veliine tijeka (protoka, strujanja) (T)

potencijalne veliine ( E );

b) Izvedene veliine:
brzina (VE = dE/dt)
ubrzanje (U = dT/dt)

c) Dinamiki koeficijenti:
koeficijent kapaciteta (C),
koeficijent otpora (R), Dinamiki kvadrat
(kvadrat stanja) 28
koeficijent inercije ( I ).

Modeliranje i simulacije 2016./2017. 14

Faze razrade matematickih modela

2.7 Formulacija matematikog modela sastavljanje modela

Izvori jednadbi matematikog modela:
1. Zakoni ouvanja:

2. Konstitutivne jednadbe (jednadbe stanja);

3. Jednadbe procesa izvedene na temelju kvadrata stanja:

Newtonov zakon
Fourierov zakon
Fickov zakon
Ohmov zakon
29

2.8 Validacija (vrednovanje) modela

Tonost modela
Koja je tonost podatka prihvatljiva?
Da li su podaci izraeni u istom sustavu mjernih jedinica?
Kakva je propagacija pogreaka (raunanja i zaokruivanja)?
Stabilnost modela
Kako se model ponaa u graninim i ekstremnim situacijama?
Kako model prihvaa standardne promjene vrijednosti podataka?
Kako model prihvaa sluajne smetnje i umove?
Upotrebljivost modela
Je li model upotrebljiv u praksi?
Je li za to dovoljno precizan ili je previe pojednostavljen?
Pretskazuje, to trebamo a to imamo?
Smislenost modela
Je li model sukladan s prije poznatim djelovanjima i zakonitostima?
Ako nije - zato:
pogreni podaci ?
pogrena interpretacija modela ?
30
pogrena znana djelovanja i zakonitosti?

Modeliranje i simulacije 2016./2017. 15

Faze razrade matematickih modela

2.9 Simulacije i simulacijsko modeliranje

OPIS RAZVOJ
FENOMENA SIMULACIJA
MODELA
Procesa,
Objekta,
Sustava

Logika,podaci, Metode, raunalni

znanje jezici i alati

Sustavni pristup modeliranju i simulacijama

31

2.9.1 Definicije simulacije

Simulacija je:
oponaanje stvarnih pojava u svrhu njihova ispitivanja koje se
obavlja se na modelima zbog jednostavnije, jeftinije, sigurnije ili
jedino mogue izvedbe;
tijek specijalnog programa (raunalna simulacija), kojeg je
rezultat vremenski odziv modela i opis ponaanja modeliranog
procesa;
metoda, koja omoguuje prouavanje ponaanja sustava
eksperimentiranjem na prikladnom modelu u realnom,
skraenom ili produljenom vremenu;
metoda, koja omoguuje zamjenu realnog procesa s
jednostavnim i jeftinim raunalom, na kojem je mogue
eksperimentiranje bez rizika uz ilustrativne rezultate.
32

Modeliranje i simulacije 2016./2017. 16

Faze razrade matematickih modela

2.9.2 Simulacijsko modeliranje

Ne postoji jedinstvena, jaka definicija simulacijskog modeliranja.
Jedna od moguih definicija glasi:
Simulacijsko modeliranje predstavlja irok skup aktivnosti vezanih uz
izgradnju modela nekog realnog sustava i ostvarenje simulacije
njegovog ponaanja i svojstava - uobiajeno primjenom raunala.

Metode
Problemi
Deterministike Stohastike
Deterministiki Numerika analiza Monte Carlo metoda
Stohastiki Proraun vjerojatnosti Simulacijske tehnike

Primjer popularnih komentara vezanih uz simulacijsko modeliranje:

You Cannot Study a System by Stopping It
dinamike sustave nuno je promatrati u gibanju;
Run it again.
stohastiki sustavi zahtijevaju planiranje pokusa i ponavljanje simulacija;
Is that some kind of game youre playing?
simulatori leta zrakoplova, dugometrani filmovi, raunalne igre, ...
33

2.9.2 Simulacijsko modeliranje

Prednosti: Nedostaci:

provjera modela u kratkom simulacija ne moe dati

vremenu; tone rezultate ako su ulazni
podaci pogreni;
primjena specijaliziranih
raunalnih programa - ne rjeenja sloenih problema
zahtijeva se visokostruno uobiajeno su sloena;
znanje numerikih metoda i
simulacija ne moe
programiranja
otkloniti problem, ve samo
jednostavna (vizualna, ukazati na njegovo rjeenje.
animacijska) demonstracija
modela.

34

Modeliranje i simulacije 2016./2017. 17

Faze razrade matematickih modela

2.9.2 Simulacijsko modeliranje

Realni Model Pokusi Implementacija

(apstraktni, na modelu rezultata u realni
sustav sustav
matematiki,)

Provjera rezultata
Preslikavanje (verifikacija simulacije,
validacija modela)

Osnovne faze simulacijskog modeliranja

35

2.9.2 Simulacijsko modeliranje

Dobar raunalni znanstvenik trebao bi imati neke od sljedeih

sposobnosti (kompetencija i vjetina):
Teorijski razviti nove pristupe i rjeavati nove probleme;
Primijenjeni matematiar, sposoban prevesti teoriju u
matematiki oblik prikladan za razvoj na raunalu;
Raunalni znanstvenik/programer treba napisati novi kod ili
promijeniti postojei u skladu s stanjem softvera i hardvera;
Eksperimentator treba biti sposoban odabrati i definirati
bitan dio tehnikog sustava za eksperimentalnu validaciju
modela;

Vrlo zahtjevne zadae!

36

Modeliranje i simulacije 2016./2017. 18

Faze razrade matematickih modela

2.9.2 Simulacijsko modeliranje

Analogija izmeu provedbe laboratorijskog pokusa i raunalne simulacije

Raunalna simulacija
Laboratorijski pokus (raunalni pokus)

uzorak matematiki model

laboratorijska oprema i ureaji raunalni program
kalibracija ureaja i metode ispitivanja testiranje programa
ispitivanja i mjerenja provedba simulacije
analiza podataka analiza podataka

37

2.9.3 Izbor raunalnog programa i provedba simulacije

Razine matematikog modeliranja

Metoda konanih elemenata
3 D matematiki modeli Metoda rubnih elemenata
Hibridne metode

Metoda kontrolnih volumena

2 D matematiki modeli
Metoda konanih diferencija

1 D matematiki modeli Analitike metode

Raunalni programi
- opi matematiki programi: MathCad, ...
- matematiki programi s programskim jezikom i radnim alatima: Matlab, Scilab, Mathematica...
- FEM programi: Comsol Multiphysics, Sysweld, Ansys, Abacus, FreeFEM, ...
- BEM, FDM, FVM programi
38

Modeliranje i simulacije 2016./2017. 19

Faze razrade matematickih modela

2.9.3 Izbor raunalnog programa i provedba simulacije

Metoda konanih
diferencija,
Metoda kontrolnih
volumena,

Metoda konanih
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

2.9.4 Faze razvoja i provedbe raunalne simulacije

1. Definicija simulacijskog algoritma primjerenog rjeavanom problemu:

1.a Definiranje vrste i povezanosti modeliranih fizikalnih procesa
1.b - Definiranje geometrijskih podruja modela,
1.c - Definiranje jednadbi simuliranih procesa i njihove povezanosti,
1.d - Zadavanje materijala u geometrijskih domenama,
1.e - Zadavanje rubnih i poetnih uvjeta;
2. Diskretizacija geometrijskih domena, pridruivanje svojstava materijala i
koeficijenata volumenima ili vorovima elemenata
3. Proraun karakteristinih matrica elemenata,
4. Objedinjavanje matrica elemenata u globalnu matricu mree,
5. Dodjeljivanje rubnih uvjeta i vektora izvora/ponora polja u globalnu matricu
mree,
6. Rjeavanje globalne matrine jednadbe za sve vorove ili elementarne
volumene mree numerikim metodama,
7. Proraun sekundarnih i kontrolnih varijabli modela,
8. Prikaz i analiza rezultata prorauna. 40

Modeliranje i simulacije 2016./2017. 20

Faze razrade matematickih modela

2.9.5 Simulacijski algoritam

Primjer simulacijskog algoritma za raunalnu simulaciju procesa indukcijskog 41

kaljenja primjenom hibridne metode konanih i rubnih elemenata

2.9.5 Simulacijski algoritam

Primjer tijeka podataka izmeu simulacijskih modula

programskog paketa Sysweld i pomonih (vanjskih) 42
programa i baza podataka

Modeliranje i simulacije 2016./2017. 21

Faze razrade matematickih modela

2.9.6 Verifikacija simulacije

Tonost i konvergencija rjeenja metodom konanih elemenata 43

2.9.6 Verifikacija simulacije

44
Shematski prikaz razvoja i provjere simulacijskog modela

Modeliranje i simulacije 2016./2017. 22

P3. Modeli i simulacije materijala i procesa

3. Matematiko modeliranje proizvodnih procesa i

procesa u materijalu

Matematiko modeliranje proizvodnih

postupaka

Matematiko modeliranje ponaanja i

svojstava materijala

3.1 Matematiko modeliranje proizvodnih postupaka

Ciljevi: Aktivnosti :
- simulacije varijantnih rjeenja,
- poveanje proizvodnosti, analize i prognoziranja stanja
ekonominosti, kvalitete procesa u fazi projektiranja;
proizvoda;
- definiranje matematikih modela za
- smanjenje utroka materijala, optimizaciju procesa i traenje
energije, vremena obrade, optimalnih rjeenja;
jedininih trokova obrade;
- definiranje modela voenja
- regulacija i/ili voenje pojedinog proizvodnog procesa ili
proizvodnih postupaka ili itavog tehnikog sustava;
tehnikih sustava;
- razvoj i primjena eksperimentalnih
- znanstvena istraivanja. metoda u proizvodnim postupcima i
sustavima kao osnove za definiranje
stohastikih modela i provjeru
analitikih i numerikih modela;
2

Modeliranje i simulacije
ak.god.2016./2017. 1
P3. Modeli i simulacije materijala i procesa

3.1 Matematiko modeliranje proizvodnih postupaka

Shematski prikaz tehnikog sustava "alat-obradak 3

3.1 Matematiko modeliranje proizvodnih postupaka

4
Konvencionalni (a) i suvremeni-optimizirani (b) postupak obrade

Modeliranje i simulacije
ak.god.2016./2017. 2
P3. Modeli i simulacije materijala i procesa

3.2 Matematiko modeliranje ponaanja i svojstava materijala

Jedan od glavnih ciljeva matematikog modeliranja materijala je pronalaenje uvjeta i parametara
proizvodnih postupaka kojima e se postii optimalna struktura i svojstava materijala tijekom izrade
proizvoda i zaustavljanje njihovog daljnjeg mijenjanja tijekom eksploatacije.

Tijek proizvodnje materijala i tvorevina

Primjer: proizvodi od bakra

Gotovi proizvodi: dijelovi

Sirovina: bakrena ruda Poluproizvodi: profili, cijevi, ipke, ... izmjenjivaa topline od bakra

3.2 Matematiko modeliranje ponaanja i svojstava materijala

Utjecajni imbenici na svojstva i ponaanje materijala u uporabi

Modeliranje i simulacije
ak.god.2016./2017. 3
P3. Modeli i simulacije materijala i procesa

3.2 Matematiko modeliranje ponaanja i svojstava materijala

Metode
Razine i metode modeliranja kontinuuma
Vrijeme,s
Inenjerstvo

100

Metode atomskih
simulacija Mezoskale metode
(ms) 10-3
Termodinamika
Materijali

Metoda konanih
elemenata
(s) 10-6

Semi-empirike
(ns) 10-9 metode
Monte Carlo
Kemija

Molekularna dinamika
(ps) 10-12 Ab initio
metode
Tijesne veze
(fs) 10-15
Fizika

10-10 10-9 10-8 10-7 10-6 10-5 10-4

(nm) (m)
Duljina, m
7

3.2.1 Razine i metode modeliranja ponaanja materijala

Atomsko modeliranje

Modeliranje i simulacije
ak.god.2016./2017. 4
P3. Modeli i simulacije materijala i procesa

Multi-scale modeliranje
Primjena:
modeliranje fizikalnih fenomena od atomarne do
makroskopske razine.

Ab initio metode: raunanje svojstava materijala od

temeljnih naela, numeriko rjeavanje kvantno-
mehanikih jednadbi - Schrdinger ili Dirac.
Semi-empirike metode: koriste simplificirane verzije
jednadbi od ab initio metoda, eksplicitno tretiranje
valentnih elektrona; sadre parametre prilagoene
eksperimentalnim podacima.
Atomistike metode: koriste empirike ili ab initio
izvedena polja sila, zajedno sa semi-klasinom
statistikom mehanikom da bi se odredila
termodinamika i transportna svojstva sustava.

Mezoskalne metode: uvode pojednostavljenja u

atomistike metode vrste stupnjeve slobode i/ili tretirajui
grupe atoma kao individualne entitete

Metode kontinuuma: pretpostavljaju da je materijal

kontinuiran i homogen, a svojstva se tretiraju kao
sistemska svojstva preko polja vrijednosti. Numeriki se
rjeavaju jednadbe ravnotee povezano s
fenomenolokim jednadbama da bi se predvidjela
svojstva sustava.

Modeliranje i simulacije
ak.god.2016./2017. 5
P3. Modeli i simulacije materijala i procesa

Primjer
matematiko modeliranje kontinuiranog lijevanja i valjanja elika

11

12

Modeliranje i simulacije
ak.god.2016./2017. 6
P3. Modeli i simulacije materijala i procesa

3.2.2 Pregled metoda modeliranja i simulacija u istraivanjima materijala

A. Ope metode:
- Statistike
- Kvantitativna materijalografija
B1. Na nano- mikro razini
- Statistika mehanika na atomskoj razini
- Monte Carlo
- Molekularna dinamika
B2. Na mikro- mezo razini
- Diskretna dislokacijska statika i dinamika
- Ginzburg-Landau kinetiki modeli faznih polja
- elijasti automati (Cellular automata)
- Topoloke mree i vertex modeli

B3. Na mezo-makro razini

- Metoda konanih elemenata i metoda konanih razlika
- Modeli polikristalne elastinosti i plastinosti

C. Ope i napredne metode umjetne inteligencije:

- Umjetne neuronske mree (Neural network)
- Neizrazita logika (Fuzzy logic)
- Genetiki algoritmi i genetiko programiranje
- Rudarenje po podacima (Data mining)
- Ekspertni sustavi

Modeliranje i simulacije
ak.god.2016./2017. 7
P3. Modeli i simulacije materijala i procesa

IZBOR NEKE METODE(A) ODREEN JE SLJEDEIM:

Skala: koje je fizikalno trajanje i veliina skale istraivanog fenomena?

Mikrostruktura: je li nuno ukljuiti mikrostrukturu?
Analitiko rjeenje: je li mogue problem rijeiti analitiki?
Eksperimentalni podaci: jesu li raspoloivi za vrednovanje previanja?
Neovisne varijable: koje slue kao nezavisne varijable?
Ovisne varijable: koje slue kao zavisne varijable?
Pristup modelu: fenomenoloki ili empiriki model?
Parametri modela: imaju li zahtijevani parametri ikakvo fizikalno znaenje i postoje li
odgovarajui teorijski i eksperimentalni podaci?
Granini uvjeti: koje su odgovarajue poetne i granine vrijednosti stanja?
Realistino stanje: jesu li poznate pojedinane poetne i granine vrijednosti stanja?
Diskretizacija: koji je potreban stupanj prostorne i vremenske diskretizacije?
Skala simulacije: koja je metoda simulacije prikladna za skalu prouavanja?
Tolerancija pogreke: koji je zahtijevan stupanj preciznosti? Koja se pogreka
tolerira?

Deterministiki/stohastiki problem?
Atomistiki/kontinuiran: treba li koristiti atomistiki ili kontinuiran model?
Kombinacija skala: je li nuno kombinirati razliite prostorne i vremenske skale?
Analiza i prezentacija podataka: koja e se metoda koristiti?
Integrirana simulacija: koja je prikladna metoda integrirane simulacije na
prostornoj i vremenskoj skali?

Kod simulacije: je li raspoloiv?

Usporedba: je li izabrana metoda simulacije kvantitativno usporediva sa

eksperimentima, analitikim rjeenjima i/ili numerikim pristupom?

Programski jezik: koji e se programski jezik, komercijalno raspoloivi compiler i

solver primijeniti?

Brzina: koja je najbra metoda simulacije?

Cijena: koja je najjeftinija metoda?

Mo (snaga) raunala?

Modeliranje i simulacije
ak.god.2016./2017. 8
P3. Modeli i simulacije materijala i procesa

3.3 Modeliranje procesa s plastinom deformacijom materijala

Matematiki modeli za aproksimaciju eksperimentalnih krivulja naprezanje-istezanje

Tipine vrijednosti koeficijenta K i eksponenta ovrenja n

Eksperimentalno
odreeni dijagrami

17

Primjer 1. Aproksimacija eksperimentalne krivulje naprezanje-istezanje aluminijske legure AlMgSi1

Ramberg-Osgood-ovim modelom plastinog teenja

Krhki ilavi
lom lom

Eksperiment

E = 66,20 GPa;
K = 327 MPa;
n = 0,10 18

Modeliranje i simulacije
ak.god.2016./2017. 9
P3. Modeli i simulacije materijala i procesa

Matematiki modeli ponaanja materijala u uvjetima promjenljivog vlano-tlanog naprezanja

a) Idealno plastini materijal b) Idealno elastino-plastini materijal

von Misses-ova dijagram

krunica naprezanja naizmjeninog
naprezanja

c) Izotropno ovrstivi materijal u uvjetima vlano-tlanog naprezanja 19

Matematiki modeli ponaanja materijala u uvjetima promjenljivog vlano-tlanog naprezanja

Dijagram naizmjeninog naprezanja s ovrsnuem

von Misses-ova
krunica naprezanja

H H

H ... parametar kinematikog ovrsnua

d) Kinematiko ovrstivi materijal u uvjetima vlano-tlanog naprezanja

20

Modeliranje i simulacije
ak.god.2016./2017. 10
P3. Modeli i simulacije materijala i procesa

3.4 Modeliranje mikrostrukturnih faznih pretvorbi

1/3

Ad I) Primjena dijagrama stanja, TTS i TTT dijagrama, ispitivanja prokaljivosti

i empirikih jednadbi

21

3.4.1 Mikrostrukturne fazne pretvorbe predviene na temelju poznatog TTT dijagrama

2/3

22

Modeliranje i simulacije
ak.god.2016./2017. 11
P3. Modeli i simulacije materijala i procesa

3/3

Opi oblik jednadbe

promjene temperature
pri snimanju krivulje
hlaenja:

TTT dijagram za
kontinuirano
ohlaivanje elika 41Cr4

Eksperimentalno
odreeni udjeli faza i
tvrdoa ovisno o
vremenu t800/500 23
t800//500

3.4.2 Mikrostrukturne fazne pretvorbe i tvrdoa modelirani empirikim jednadbama

HRC = 20 + 60%C (u kaljenom stanju 99,9 % martenzita; 0,1-0,6 %C)

HRC = 14 + 44%C (u kaljenom stanju 50 % martenzita; 0,1-0,7 %C)

24

Modeliranje i simulacije
ak.god.2016./2017. 12
P3. Modeli i simulacije materijala i procesa

3.4.3 Mikrostrukturne fazne pretvorbe modelirane kinetikim jednadbama

1/6
Ad II) Opis kinetike faznih pretvorbi empirikim jednadbama

T(oC) = const. !

25

Predvianje udjela mikrostrukturnih faza iz pothlaenog austenita pri 2/6

izotermikom dranju na odreenoj temperaturi

yP (T1)= 1 exp(-b tn)

T1=const.
b(T)= ?
n(T) = ?

26

Modeliranje i simulacije
ak.god.2016./2017. 13
P3. Modeli i simulacije materijala i procesa

3/6
T = konst.
Udio mikrostrukturne faze (f) nakon
izotermikog dranja na odreenoj f2
temperaturi (T):
f1

t1 t2

T=konst.c

27

4/6
T const.

28

Modeliranje i simulacije
ak.god.2016./2017. 14
P3. Modeli i simulacije materijala i procesa

Predvianje udjela mikrostrukturnih faza iz pothlaenog austenita pri kontinuiranom 5/6

hlaenju uz pomo kinetikog JMAK modela i izotermikog TTT dijagrama
Scheil-ovo pravilo:

tiTTT ... inkubacijski interval

iz izotermikog TTT
dijagrama

... prividno (fiktivno) vrijeme pretvorbe

29

5/6

Primjer ( - - - - ) eksperimentalno snimljenog i ( ) raunski odreenog kontinuiranog

TTT dijagrama (uz pomo kinetikog JMAK modela i izotermikog TTT dijagrama)

30

Modeliranje i simulacije
ak.god.2016./2017. 15
P4. Analitiko modeliranje

4. ANALITIKO MODELIRANJE

4.0 Karakteristike analitikog modeliranja

4.1 Modeliranje ugrijavanja toplinski dobro vodljivog tijela

4.2 1D model provoenja topline

4.3 1D model pogljiavanja elika

4.4 1D model nitriranja elika

4.0 Karakteristike analitikog modeliranja

- Analitiko modeliranje je postupak definiranja matematikih jednadbi

stanja sustava i dinamike procesa.
- Objekt promatranja moe biti stvarni sustav ili proces, ali i njihove
idealizacije u obliku asimptotskih ili integralnih matematikih modela.
- Izbor analitikog matematikog modela ovisi o vrsti modeliranog sustava i
dinamici procesa u sustavu;
- Za sastavljanje analitikog matematikog modela u pravilu se primjenjuju
zakoni ouvanja, jednadbe kinetike procesa i stanja sustava.
- Tonost analitikog matematikog modela moe se odrediti jedino
usporedbom izraunatih i eksperimentalnih vrijednosti istraivanih
parametara (proraun koeficijenata podudarnosti).

Modeliranje i simulacije, ak.god.2016./2017. 1

P4. Analitiko modeliranje

Primjeri procesa usredotoenih u prostoru:

- Procesi pohranjivanja mase (spremnici tekuina,

plinova i para);
- Procesi strujanja fluida (strujanja kroz cjevovode ili
parovode, strujanje iz sapnica, strujanje taline kroz
ulijevni sustav kalupa)
- Procesi zagrijavanja ili hlaenja toplinski dobro
vodljivih tijela (Bi < 0,5);
- Toplinski procesi u mjealitu fluida;
- Kemijske reakcije;
- Gibanja estica, tijela, mehanizama i strojnih
elemenata;
- Provoenje elektrine struje, strujni krugovi i sklopovi;
- Elastino i elasto-plastino jednodimenzijsko
deformiranje materijala;
- Mikrostrukturne fazne pretvorbe u kontrolnom
volumenu materijala.

Primjeri procesa raspodijeljenih u prostoru:

- Transport rasutog materijala;

- Procesi strujanja i nastrujavanja fluida uz stjenke
vrstih tijela s/bez izmjene topline;
- Procesi provoenja i prijelaza topline uz raspodjelu
temperature (1D, 2D, 3D);
- Procesi izmjene topline i mase u izmjenjivaima i
kemijskim reaktorima;
- irenje valova i oscilacija;
- Prostiranje i absorpcija elektromagnetskih polja;
- Isparivanje, naparivanje i kondenzacija estica i para;
- Nukleacija i izluivanje kristala iz taline (otopine), rast
zrna;
- Difuzijski procesi (pougljiavanje, nitriranje,
boriranje,...);
- Elastino i elasto-plastino deformiranje strojnih
dijelova, alata, naprava ili predmeta (1D, 2D, 3D);
- Puzanje, lom i umor materijala;
- Korozijski procesi.

Modeliranje i simulacije, ak.god.2016./2017. 2

P4. Analitiko modeliranje

4.1 Modeliranje ugrijavanja toplinski dobro vodljivog tijela

primjer modeliranja grijanja temperaturne sonde
ULAZNE IZLAZNE
KARAKTERISTIKE KARAKTERISTIKE

- OBRADAK - vrijeme ugrijavanja (tgr)

- najvea razlika temperatura
po presjeku obratka (max),
- mikrostruktura (%A),
- veliina austenitnih zrna,
- toplinska naprezanja (ij),
- kemijski sastav, struktura - utroena snaga pei (P), ...
Procesi ugrijavanja su:
- PE
- nelinearni (ali mogu se
- POSTUPAK linearizirati srednjim
vrijednostima svojstava na
zadanom intervalu temperatura),
- nestacionarni,
- kontinuirani ili kontinuirano-
diskretizirani,
- prostorno koncentrirani za
obratke sa znaajkom Bi<0,5.

Modeliranje i simulacije, ak.god.2016./2017. 3

P4. Analitiko modeliranje

Primjeri formalnog opisa problema odreivanja vremena austenitizacije:

tgr = ft( , V/A, , , c, a, pe, zav , ...) .... formalni zapis funkcije za proraun vremena ugrijavanja

Termodinamiki model ugrijavanja toplinski dobro vodljivog tijela

d As


cV
dt

... vremenska konstanta

Modeliranje i simulacije, ak.god.2016./2017. 4

P4. Analitiko modeliranje

Analitiki oblik funkcije ft za toplinski dobro vodljiva tijela

odreene prema metodi Newton:

c, , = f() !!
= f(, p, q, V/A) !!

Podloge za analitiki proraun vremena zagrijavanja sonde 12,5x66 mm od

elika Inconel 600

c, , = f()

= f(,V/A, ...)

Modeliranje i simulacije, ak.god.2016./2017. 5

P4. Analitiko modeliranje

1. nain prorauna tgr 2. nain prorauna tgr

- ugrijavanje kao kontinuirano-diskretizirani proces - ugrijavanje kao kontinuirani proces

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

1. algoritam prorauna tgr 2. algoritam prorauna tgr

Modeliranje i simulacije, ak.god.2016./2017. 6

P4. Analitiko modeliranje

Rezultati prema 1. naina prorauna tgr: Rezultati prema 2. nainu prorauna tgr:

Zakljuak:

- vrijeme zagrijavanja je nerealno velikih vrijednosti,
- tijek krivulje promjene temperature ne odgovara
procesu zagrijavanja u komornoj pei.
- vrijeme zagrijavanja je vee od oekivanog, ali
nije predugako,
- tijek krivulje promjene temperature odgovara
zagrijavanju u komornoj pei.

Promjena temperature u sreditu mjerne sonde 12,5x66 mm od Inconel-a 600 odreena

analitikim modelom prema Newtonovoj metodi prema 1. odnosno 2. algoritmu prorauna

Ugrijavanje mjerne sonde u komornoj pei

Korekcija drugog algoritma prorauna tgr poveanjem koeficijenta prijelaza topline za faktor 3,25,

a=[23 35 48 75 90 125 150 162].*3,25;

daje vrijednosti vremena ugrijavanja

(tgr) sline eksperimentalno
odreenim iznosima.

Eksperimentalna verifikacija promjene T=f(t) pri ugrijavanju sonde

, oC 100 200 300 400 500 600 700 800 850
tgr,ra, s
tgr,exp, s

Modeliranje i simulacije, ak.god.2016./2017. 7

P4. Analitiko modeliranje

4.2 Modeliranje provoenja topline 1D model

Fourierov zakon

+ Fourierov zakon

+ poetni uvjet:

+ rubni uvjeti:

Modeliranje i simulacije, ak.god.2016./2017. 8

P4. Analitiko modeliranje

Utjecaj izbora rubnih uvjeta na rjeenje jednadbe provoenja topline

Modeliranje i simulacije, ak.god.2016./2017. 9

P4. Analitiko modeliranje

1D model zagrijavanja polubeskonanog tijela

Modeliranje i simulacije, ak.god.2016./2017. 10

P4. Analitiko modeliranje

Modeliranje i simulacije, ak.god.2016./2017. 11

P4. Analitiko modeliranje

Primjena 1D modela zagrijavanja i hlaenja polubeskonanog tijela na

povrinsko kaljenje laserskim snopom

Modeliranje i simulacije, ak.god.2016./2017. 12

P4. Analitiko modeliranje

Primjer
4.3 1D 1.model
Jednodimenzijski analitiki
pougljiavanja model pougljiavanja u plinskoj atmosferi
elika
ULAZNE IZLAZNE
KARAKTERISTIKE KARAKTERISTIKE
- vrijeme ugrijavanja (tgr)
OBRADAK
- %C = f(x,y,z),
- %C, %L.E. - efektivna dubina
- koeficijent difuzije ugljika (DC), pougljiavanja (Eht),

- oblik obratka, - ukupna dubina

- volumen (V), plotina (A), ...
PE ZA POUGLJIAVANJE
- aktivni medij za pougljiavanje,
- sastav plinske atmosfere ili kupke,
- postupak pougljiavanja,
- vremenska konstanta regulacije,
KARAKTERISTIKE
PROCESA
- C-potencijal atmosfere,
- %C na povrini elika,
- temperatura pougljiavanja,
- vrijeme pougljiavanja,
- reim grijanja,
pougljiavanja.
- veliina austenitnih zrna,
- utroena snaga pei (P),
- utroena koliina medija za
pougljiavanje, ...
Proces pougljiavanja je:
- nelinearan,

- raspored temperature u pei, - broj obradaka , - nestacionaran,

- instalirana snaga pei, ... - kontinuiran.

- raspored obradaka, ....

4.3.1 Definicija modela pougljiavanja u plinskoj atmosferi

ULAZNE IZLAZNE
KARAKTERISTIKE KARAKTERISTIKE
- tgr =?
OBRADAK - %C = f(x),
- ugljini elik s Cj = 0,2 %C - Eht = 0,8 + 0,4 mm
- koeficijent difuzije ugljika (DC),

- valjak 20x100 mm,

PE ZA POUGLJIAVANJE
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 povrinu
elika): = 2,6*10-3 mm/s - kontinuirano grijanje na C,

Modeliranje i simulacije, ak.god.2016./2017. 13

P4. Analitiko modeliranje

4.3.2 Razrada 1D analitikog modela pougljiavanja u plinskoj atmosferi

%C = f (Cj, DC, C, , Cpot, CR, tC) = ?

Matematiki model pougljiavanja

II. Fickov zakon:

(1)

rubni uvjeti:
a) na granici plinska atmosfera elik:

(2)

b) u jezgri (difuzija u polubeskonano tijelo):

(3)

%C = f (Cj, DC, C, , Cpot, CR, tC) = ?

Rjeenjem jednadbe (1) za rubne uvjete (2) i (3) dobiva se

analitiki izraz (4) za ugljine elike

(4)

Difuznost ugljika u austenitu odreuje se jednadbom (5)

(5)

T, temperatura, K
Za praktinu primjenu jo je vanije poopenje modela (4) na legirane elike
koje se izvodi uvoenjem termodinamike aktivnosti ugljika u eliku aC umjesto
%C. Pri tome matematika forma jednadbe (4) ostaje nepromijenjena.

Modeliranje i simulacije, ak.god.2016./2017. 14

P4. Analitiko modeliranje

aC = f (Cj, DC, C, , Cpot, CR, tC) = ?

aC aR x (6)
erf
a j aR 2 Dt

(5)

(7)

(8)

4.3.3 Rezultati 1D simulacije pougljiavanja elika u plinskoj atmosferi

Rezultati prorauna

Rezultati 1D simulacije ovisnosti

termodinamike aktivnosti ugljika (ac) i
udjela ugljika (%C) o udaljenosti od
- %C = f(x), povrine (x) tijekom pougljiavanja elika
C20 na 920 oC za razliita vremena
- Eht = 0,8 + 0,4 mm
pougljiavanja (M. Rakvin, FSB, 2009.)
tC = 4 ... 5 h

Modeliranje i simulacije, ak.god.2016./2017. 15

P4. Analitiko modeliranje

4.4 Modeliranje nitriranja elika

Dijagram stanja Fe-N
Primjer jednodimenzijskog modela difuzije N u
polubeskonano tijelo sa stvaranjem povrinskog sloja

Rezultati

Modeliranje i simulacije, ak.god.2016./2017. 16

P5. Modeliranje dimenzijskom analizom

5. MODELIRANJE PRIMJENOM DIMENZIJSKE ANALIZE

5.1 Primjena dimenzijske analize

5.2 Buckingh-ov teorem i teorem slinosti

5.3 Postupak odreivanja bezdimenzijskih veliina

5.4. Bezdimenzijska analiza toplinskih deformacija

5.5 Bezdimenzijska analiza proizvodnih postupaka

5.1 Primjena dimenzijske analize

Inenjerski problemi pogodni za primjenu dimenzijske analize:

traenje kriterijskih veliina slinosti (bezdimenzijske

znaajke) za eksperimentalna istraivanja na fizikim
modelima,
pomo pri izboru plana pokusa,
otkrivanje numerikih pogreaka nastalih zbog dimenzijske
nehomogenosti jednadbi,
odreivanje koeficijenata za preraunavanje jedinica iz
jednog mjernog sustava u drugi,
postavljanje matematikih modela, koji se ne mogu rijeiti
analitikim metodama.

Modeliranje i simulacije, ak. god.

2016./2017. 1
P5. Modeliranje dimenzijskom analizom

5.2 Buckingh-ov teorem i teorem slinosti

Ako izmeu fizikalnih veliina ai (i = 1,2,3,...,n) postoji zavisnost definirana
implicitnom jednadbom (1)
(1)
f(a1, a2, a3, ..., an) = 0
onda se izmeu ovih veliina moe postaviti nova jednadba oblika

F(1, 2, 3, ..., m) = 0 (2)

u kojoj varijable j (j = 1,2,3,...,m) predstavljaju bezdimenzijske veliine,

izvedene iz veliina ai (i = 1,2,3,...,n).

Mjerne jedinice (dimenzije) fizikalnih veliina ai u jednadbi (1) sastavljene su

od r primarnih (osnovnih) mjernih veliina SI-sustava mjera.

L (duljina), T (vrijeme), M (masa), (temperatura), ...

r 3

5.2.1 Buckingh-ov teorem

Buckingh-ov teorem: Svaka jednadba koja opisuje neko fizikalno stanje ili
proces mora biti dimenzijski homogena.

tj.

Ako funkcija (1) sadri n dimenzijskih veliina ai, koje su izmjerene

pomou r osnovnih mjernih jedinica, tada se dimenzijskom analizom moe
definirati
m = n-r (3)

nezavisnih bezdimenzijskih veliina j

Modeliranje i simulacije, ak. god.

2016./2017. 2
P5. Modeliranje dimenzijskom analizom

5.2.2 Teorem slinosti

Implicitnu jednadbu (2) moe se zapisati u eksplicitnom obliku (4)

m = (1, 2, 3, ..., m-1) (4)

Teorem slinosti: Dva procesa, koji se mogu opisati istom -funkcijom,

meusobno su slini, ako su opisani pomou istih m-1
bezdimenzijskih veliina
Opi uvjeti slinosti:
1. Slini procesi moraju biti kvalitativno slini, tj. moraju biti sline
fizikalne prirode i moraju biti opisani diferencijalnim jednadbama
slinog oblika;
2. Uvjeti jednoznanosti slinih procesa moraju biti slini u svim odnosima,
ali numerike vrijednosti konstanti slinih procesa ne moraju biti
numeriki iste;
3. Bezdimenzijske znaajke slinih procesa moraju biti numeriki iste.
5

5.3 Postupak odreivanja bezdimenzijskih veliina

Modeliranje i simulacije, ak. god.

2016./2017. 3
P5. Modeliranje dimenzijskom analizom

Osnovne i dopunske Br Osnovna veliina Simbol Mjerna Dimenzijski

mjerne veliine SI sustava
jedinica simbol
1. Duljina l metar (m) L
2 Masa m kilogram (kg) M
3 Vrijeme t sekunda (s) T
4 Jakost elektrine struje I amper (A) I
5 Termodinamika temperatura T kelvin (K)
6 Jakost svjetlosti I kandela (cd) J
7 Mnoina (koliina) tvari n mol (mol) N
8 Kut u ravnini , radijan (rad)
9 Prostorni kut steradijan (sr)

r Osnovna veliina Simbol Mjerna Dimenzijski

Primjeri dimenzionalnih jedinica simbol
veliina izvedenih iz 1. Brzina v m/s LT-1
2 Ubrzanje a m/s2 LT-2
osnovnih SI veliina 3 Gustoa kg/m3 ML-3
4 Sila F N (kg m / s2) MLT-2
5 Hidrostatiki tlak p N/m2 ML-1T-2
6 Mehaniki rad W J (Nm) ML2T-2
7 Snaga P J/s (Nm/s) ML2T-3
8 Elektrini potencijal E V ML2A-1T-3

r Osnovna veliina Simbol Mjerna Osnovni Proireni

Primjeri anizotropno jedinica dimenzijski dimenzijski simbol
raspodijeljenih dimenzionalnih simbol
veliina izvedenih na temelju 1. Povrina A m2 L2 LxLy
2. Volumen V m3 L3 LxLyLz
proirenja sustava osnovnih SI 3 Brzina v m/s LT-1 LiT-1
veliina ( i = x,y,z) 4 Gustoa kg/m3 ML-3 Mm Lx-1 Ly-1 Lz-1
5 Sila inercije Fi N MLT-2 MjLiT-2
6 Toplinska W/mK LMT-3-1 Lx 5/3Ly-1/3Lz-1/3MiT-3-1
vodljivost
7 Toplina Q J L2MT-2 Lx 2/3Ly2/3Lz2/3MjT-2

Modeliranje i simulacije, ak. god.

2016./2017. 4
P5. Modeliranje dimenzijskom analizom

5.3.1 Primjer - dimenzijska analiza putanje zrna

Domet topovskog zrna s ovisi o
poetnoj brzini zrna v0, kutu
topovske cijevi , visini brda h i
gravitaciji g.
Primjenom dimenzijske analize
treba odrediti bezdimenzijske
parametre i njihovu meusobnu
zavisnost F(1, 2, ...), prema
jednadbi kosog hica.

10

Modeliranje i simulacije, ak. god.

2016./2017. 5
P5. Modeliranje dimenzijskom analizom

11

5.3.2 Dimenzijska analiza otpora strujanju fluida

12

Modeliranje i simulacije, ak. god.

2016./2017. 6
P5. Modeliranje dimenzijskom analizom

13

14

Modeliranje i simulacije, ak. god.

2016./2017. 7
P5. Modeliranje dimenzijskom analizom

5.3.3 Dimenzijska analiza brzine taloenja kapljica

15

16

Modeliranje i simulacije, ak. god.

2016./2017. 8
P5. Modeliranje dimenzijskom analizom

5.3.4 Primjer Prijelaz topline na povrini nastrujavanoj stlaenim plinom

17

5.3.5 Primjer Prijelaz topline na povrini nastrujavanoj stlaenim plinom

Bezdimenzijski model za proraun srednjeg
koeficijenta prijelaza topline na elu ispitne epruvete

Vakumska komora za ispitivanje prokaljivosti

alatnih elika gaenih u plinovima (IWT- Bremen)

18

Modeliranje i simulacije, ak. god.

2016./2017. 9
P5. Modeliranje dimenzijskom analizom

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

Recored cooling curve

Simulated cooling curve
0
0 200 400 600
Time, s
19

5.4. Bezdimenzijska analiza toplinskih deformacija

5.4.1 Postavljanje modela

Problem: Predvianje promjene srednje duljine valjaka od austenitnog

elika X8CrNiS18.9 prilikom hlaenja s temperature arenja 850 20
oC (tj. traenje modela toplinskih deformacija)

Modeliranje i simulacije, ak. god.

2016./2017. 10
P5. Modeliranje dimenzijskom analizom

5.4. Bezdimenzijska analiza toplinskih deformacija

5.4.1 Postavljanje modela

21

5.4. Bezdimenzijska analiza toplinskih deformacija

5.4.2 Postavljanje modela s primjenom bezdimenzijske analize

22

Modeliranje i simulacije, ak. god.

2016./2017. 11
P5. Modeliranje dimenzijskom analizom

5.4. Bezdimenzijska analiza toplinskih deformacija

? 23

5.4. Bezdimenzijska analiza toplinskih deformacija

5.4.3 Planiranje raunalnih simulacija

24

Modeliranje i simulacije, ak. god.

2016./2017. 12
P5. Modeliranje dimenzijskom analizom

5.4. Bezdimenzijska analiza toplinskih deformacija

5.4.4 Rezultati raunalnih simulacija i regresijska analiza rezultata

25

5.4. Bezdimenzijska analiza toplinskih deformacija

1
95% confidence bounds
Relative change in length calculated by

2
R = 0,9474 0,8
regression model [m/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
[m/mm]

26

Modeliranje i simulacije, ak. god.

2016./2017. 13
P5. Modeliranje dimenzijskom analizom

5.5 Bezdimenzijska analiza proizvodnih postupaka

Primjer Slobodno kovanje valjka

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)

Modeliranje i simulacije, ak. god.

2016./2017. 14
5. NUMERIKO MODELIRANJE

5.1 Metoda konanih razlika (MKR)

5.1.3 Primjena MKR za simulacije u ljevarstvu
5.1.4 Tonost rjeenja i diskretizacija

5.2 Metoda konanih volumena (MKV)

5.3 Metoda konanih elemenata
5.3.1 Osnovni tipovi konanih elemenata
5.3.2 Formulacije konanog elementa

5.4 Simulacijsko modeliranje tehnolokih procesa s

promjenama u metalnim materijalima

5.5 FEM raunalni sustav Comsol

5.6 FEM raunalni sustav Sysweld 1

Ak. god. 2015/2016 Autorizirana predavanja izv.prof. dr. sc. Darko Landek

5. NUMERIKO MODELIRANJE

Rjeavanje inenjerskih problema primjenom numerikih metoda

1
5.1.1 Metoda konanih razlika

Diskretizacija geometrijske domene modela 3

5.1.2 Primjena metode konanih razlika za simulacije u ljevarstvu

ESI Casting Simulation Software
PROCAST PAM-QUIKCAST CALCOSOFT

Calculation method:: FEM Calculation method: FDM Calculation method: FEM

Phenomena simulation: filling,
solidification, stress, defects
prediction, microstructure, grain
growth&orientation
Simulation processes:
gravity&tilt&pressure casting,
investment&precision casting,
lost foam, thixocasting,
centrifugal c.
Phenomena simulation:
filling, solidification, defects
prediction
Simulation processes:
gravity&tilt&pressure casting,
lost foam, thixocasting, core
blowing
Phenomena simulation: natural
metal convection ,solidification,
defects prediction, grain
growth&orientation
Simulation processes:
continuos&semicontinuos casting of
steel, Al, Mg, Cu, cast-iron billets,
plates, strips, .. 4

2
5

3
5.1.3 Tonost prorauna metodom konanih razlika

Odnos izmeu pogreke zaokruivanja, pogreke aproksimacije i veliine mree

5.2 Metoda konanih volumena

1D konani volumeni
2D konani volumeni 8

4
5.2 Metoda konanih volumena primjena u simulacijama kaljenja
Postavljanje modela

Algoritam modela i rezultati simulacije

10

5
5.3 METODA KONANIH ELEMENATA

5.3 Metoda konanih elemenata

5.3.1 Osnovni tipovi konanih elemenata
5.3.2 Formulacije konanog elementa
5.4 Modeliranje tehnolokih procesa
5.5 FEM raunalni sustav Comsol
5.5 FEM raunalni sustav Sysweld

11

5.3 METODA KONANIH ELEMENATA

Metoda konanih elemenata je numerika metoda temeljena na diskretizaciji kontinuuma s

odreenim brojem elemenata i geometrijskih vorova na elementu.
Diskretizacijom se kontinuum s beskonano stupnjeva slobode gibanja zamjenjuje
diskretnim modelom meusobno povezanih elemenata s ogranienim brojem stupnjeva
slobode.

Diskretizacija geometrijske domene modela 12

6
5.3.1 Osnovni tipovi konanih elemenata

13

5.3.2 Formulacije konanog elementa

Stanje u svakom elementu (elektromagnetsko polje, temperatura, itd.) opisuje se
pomou interpolacijskih funkcija koje moraju zadovoljavati rubne i dodatne uvjete
modela. Uz ispravnu formulaciju jednadbe konanog elementa, pribliavanje
tonom rjeenju raste s poveanjem broja elemenata.
Osnovne formulacije konanog elementa jesu:

a) Varijacijska formulacija konanog elementa, primjenljiva je kad se za

razmatrani problem moe postaviti funkcional (integral, poznat iz
funkcionalne analize, s funkcijama kao argumentima, koji opisuje stanje u
itavom modeliranom podruju zajedno s rubnim uvjetima) i nepoznata
funkcija koja zadovoljava uvjet stacionarnosti funkcionala.
b) Metoda teinskog reziduala primjenljiva je kad ne postoji funkcional ili
je varijacijska formulacija promatranog problema presloena. Metoda
teinskog reziduala temelji se na rjeavanju opeg oblika diferencijalne
jednadbe simulacijskog modela uz zadane rubne uvjete s unaprijed
pretpostavljenim interpolacijskim funkcijama i (s nepoznatim
parametrima u vorovima konanog elementa).
14

7
5.3.2.1 Metode teinskog reziduala

Pretpostavljeno priblino rjeenje

(2) uvrtava se u diferencijalnu
jednadbu promatranog problema
(1.a-b) pri emu se u opem sluaju
javlja rezidual R u odnosu na tono
rjeenje

15

Postavljanjem i minimizacijom teinskog integrala (4) mogu se izraunati vrijednosti

aproksimacijskih funkcija kojima se postie minimalno odstupanje od stvarnih
vrijednosti fizikalne veliine u svih n geometrijskih vorova mree.

Minimizacijom reziduala (Galerkinovom metodom, koalokacijom ili metodom

najmanjih kvadrata odstupanja) dobiva se sustav algebarskih jednadbi konanog
elementa ije su nepoznanice parametri interpolacijskih funkcija i u vorovima
elementa.

16

8
 Naziv konanog elementa uobiajeno se odreuje prema redu funkcije oblika i
(linearni, kvadratini, kubni, spline).

Parametri algebarskih jednadbi svih konanih elemenata u modelu uvrtavaju se u

globalnu matricu konanih elemenata (globalni sustav jednadbi), koja se rjeava
direktnim ili iteracijskim metodama matrinog rauna.
17

Definicija funkcije oblika modelirane veliine polja

na konanom elementu :

j j
n
3 (x3, y3) j = 1, 2, 3 (5)
i 1

T (x,y) Globalni bazni vektori j definiraju se za N geometrijskih

vorova. Nad trokutnim elementom globalni bazni vektor
2 (x2, y2) se sastoji od tri lokalna bazna vektora N (tzv. funkcije oblika
konanog elementa).

y 1 (x1, y1) U osnovnom sluaju to su Lagrangeovi interpolacijski

polinomi prvog stupnja

x N1 N2 N3

T x, y
Npr. Oni imaju vrijednost 1 samo u jednom voru trokutnog
j = 1, 2, 3 elementa dok su jednaki nuli u svim ostalim vorovima
mree.

Osnovni dvodimenzijski trokutni element

s vorovima numeriranim za izvoenje
funkcije oblika
18

9
 Funkcije oblika N1, N2, N3 nad trokutnim elementom

19

Funkcije oblika N1, N2, N3 nad osnosimetrinim trokutnim elementom i aproksimacija raspodjele temperature:

N1 N2 N3

20

10
 Jednadba promjene temperature po trokutnom konanom elementu:
T1e
T N 1 N 3 T2e N ejT je
3
N2
e
(8)
T e i 1
3
Za rjeavanje diferencijalnih jednadbi polja
promatrane veliine (npr. temperature Tej)
treba odrediti njene vrijednosti u svih N
Te(r,z) =
geometrijskih vorova mree.

Jedna od uobiajeno koritenih metoda je

Galerkinova minimizacija teinskog
T3 e
reziduala izborom teinske funkcije Wi
T1 jednake funkciji oblika Nj nad konanim
T2
elementom:

W R dV 0
V
i (9)
21

5.3.2.2 Galerkinova minimizacija teinskog reziduala

Primjer:
Minimizacija reziduala jednadbe nestacionarnog provoenja topline kroz ugrijanu
plou uronjenu u sredstvo za gaenje

N e N e

x x


y y

T L c N R ( x , y :
T e
t

N R(r , z : T dV 0
T e
I. korak:
V

T N e
N x x
N e
T
y y
T e e
T L cN
T

T e
dV N s dS 0
V t Sq n

22

11
 Numerikom integracijom jednadbe provoenja topline npr.
Gauss-Legendreov-om kvadraturom (uz uvoenje pomonih
II. korak: oznaka) dobivaju se karakteristine matrice rjeenja jednadbe
provoenja topline kroz e-ti konani element:
2 1 1

C N cN dxdy c
e
ij
T Ae
12 1 2 1
e e ... Matrica toplinskog kapaciteta,

1 1 2
S

D Nx N N N e

bi b j ci c j
T T
dxdy
y
e

x y 4 Ae
ij
Se
... Matrica provoenja topline,
1
A e L
N L dxdy

e

1
e T

3 1 ... Vektor skoncentriranih rubnih uvjeta,

i

N1 qs1
Q N q d N q
T e
s 2 d
... Vektor skoncentriranih toplinskih
izvora (ponora) u geometrijskom

i S 2

N 3 qs 3
0 0
voru. 23

C Tt D T Q
e e e e e ... Jednadba nestacionarnog provoenja

ij ij i ij
topline na e-tom konanom elementu

Diskretizacija jednadbe provoenja topline kroz e-ti konani

III. korak: element u vremenskoj domeni

W C t D T Q dt 0
T T e e e e e
t ij ij i ij

Wt ... teinska funkcija u vremenskoj domeni

W d
1

W d
1

t
0

24

12
 W
e
Cij
1
T dt
t
W
Dije
1
T
dt Tke1 C ije Wt T
1 dt
t
W
Dije
1
T
1 dt Tke

t t t

0 0 0 0

Wt T 1 ie,k ie,k 1 dt Wt T 1 Qie,k Qie,k 1 dt 0

1 1

0 0

K T
e
k 1 k 1 K ke Tk F e .... integralni doprinos e-tog trokutnog
elementa raspodijeli temperature u
promatranoj geometrijskoj domeni.

25

Sastavljanje globalnog sustava jednadbi za nepoznate

IV. korak: temperature Tk+1, na svim poddomenama, odnosno
geometrijskim vorovima obratka.

K k 1 C e t D e
K k C e (1 )t D e
e

F tF (1 )tF tQ (1 )tQ
e

e e e e
k 1 k k 1 k
e

Globalni sustav FEM jednadbi temperaturnog polja (za itavu mreu konanih elemenata):

diskretni
matematiki model:
K k 1 T k 1 K k Tk F 26

13
5.4 Simulacijsko modeliranje tehnolokih procesa s promjenama u
metalnim materijalima

Koncept raunalne simulacije meusobno uvjetovanih toplinskih,

mikrostrukturnih i mehanikih procesa pri obradama metalnih materijala 27

Koncept raunalne simulacije cementiranja elika

28

14
5.5 FEM raunalni sustav COMSOL Multiphysics

29

30

15
31

32

16
 33

5.6 FEM raunalni sustav Sysweld

SYSWELD is a Finite Element software that simulates all usual heat treatment
processes like bulk hardening, surface hardening, tempering and hardening and
tempering, as well as thermo-chemical treatment like case hardening,
carbonitriding, nitriding and nitrocarburising.

The software computes distortions of parts, residual stresses, plastic strains

and the yield strength depending on the mixture of phases of the material in
use, during and at the end of the Heat treatment process, plus the hardness at
the end of the process.

Temperature field and thermal flux

Phase proportions
Hardness
Distortions
Stresses
Plastic strains
Yield stress

34

17
 Shematski prikaz simulacijskog koncepta raunalnog paketa SYSWELD 35

Ansa Medina
Patran

Ideas

Hypermesh

36

18
37

38

19
5.5.1 Primjer simulacije kaljenja kotaa eljeznikog vagona

Primjer - FEM simulacija gaenja kotaa eljeznikog vagona:

- obodna povrina kotaa gasi se prskanjem vodom
- unutranjost kotaa hladi se komprimiranim zrakom

39

Quenching
surface

40

20
 41
Raspored temperature nakon t = 50 s od poetka gaenja

42
Raspored temperature nakon t = 150 s od poetka gaenja

21
 43
Udjel martenzita nakon zavretka gaenja

44
Udjel bainita nakon zavretka gaenja

22
 45
Udjel bainita i ferita nakon zavretka gaenja

46
Raspored tvrdoe HV10 nakon zavretka gaenja

23
 47
Raspored tvrdoe HV10 po presjeku kotaa nakon zavretka gaenja

48
Raspored naprezanja po opsegu kotaa nakon zavretka gaenja

24
Initial shape

Deformed
shape

49
Deformacije kotaa nakon zavretka gaenja

50
Deformacije po presjeku kotaa nakon zavretka gaenja

25