Академический Документы
Профессиональный Документы
Культура Документы
MODELIRANJE I SIMULACIJE
Ak. god. 2016/2017
Smjer: Inenjerstvo materijala
Zavod za materijale
1
1.1. Podaci informacije (novo) znanje
Zadatak rada:
Kako primjena dubokog hlaenja utjee na krivulju poputanja kaljenog brzoreznog elika
PM S390 MC ?
2
1.1.1 Primjer: Diplomski rad od podataka do novog znanja
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
3
1.1.2 Primjena analize i sinteze informacija iz 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
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
12
6
1.1.3 Analiza i razumijevanje podataka
Primjer 5
Primjeri polinomnih regresijskih modela za eksperimentalne rezultate s r > 0,95
13
Hiperbolni model Parabolni model (III. reda)
7
1.1.5 Stvaranje informacija iz podataka
15
Primjer 1.
Izbor regresijskog modela i aproksimacija
raspodjele podataka
8
1.1.5.2 Otkrivanje zakonitosti iz podataka strojnim uenjem
Primjer 2.
Kontinuirani TTT dijagram
analiza
podataka
neuronskom Izotermiki TTT dijagram
mreom
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)
10
1.2.2 Struktura apstraktnog i tehnikog sustava
21
Blok shema tehnikog sustava
11
1.2.3 Klasifikacija procesa u tehnikim sustavima
LINEARNI NELINEARNI (prema meusobnoj povezanosti varijabli);
u1, u2 y1, y2
Primjeri linearnih procesa
12
1.2.3 Klasifikacija procesa u tehnikim sustavima
STATIKI DINAMIKI
(prema ovisnosti ulaznih i izlaznih varijabli procesa o vremenu);
u(t) y(t)
25
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);
u(t) y(t)
28
14
Faze razrade matematickih modela
2. Modeli i modeliranje
Definicije modela
Zadaci modeliranja
Svojstva modela
Ocjenjivanje modela
Model je ....
Model je ....
(EKSPERIMENTALNI) (TEORIJSKI)
MODELI
POSLOVNOG
ODLUIVANJA
SUSTAV
F W>0
Q>0
Granica sustava
F W<0
m = konst.
Q<0 l
6
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
Aerodinamiki (fiziki)
model vakuumske komore
2D matematiki
model vakuumske 3D matematiki model
komore vakuumske komore
14
Da/Ne
Elementi definicije:
17
(5/5)
23
24
x(t) y(t)
25
skalarna vektorska
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 ).
Newtonov zakon
Fourierov zakon
Fickov zakon
Ohmov zakon
29
OPIS RAZVOJ
FENOMENA SIMULACIJA
MODELA
Procesa,
Objekta,
Sustava
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
Metode
Problemi
Deterministike Stohastike
Deterministiki Numerika analiza Monte Carlo metoda
Stohastiki Proraun vjerojatnosti Simulacijske tehnike
Prednosti: Nedostaci:
34
Provjera rezultata
Preslikavanje (verifikacija simulacije,
validacija modela)
35
Raunalna simulacija
Laboratorijski pokus (raunalni pokus)
37
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
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
44
Shematski prikaz razvoja i provjere simulacijskog modela
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
4
Konvencionalni (a) i suvremeni-optimizirani (b) postupak obrade
Modeliranje i simulacije
ak.god.2016./2017. 2
P3. Modeli i simulacije materijala i procesa
Modeliranje i simulacije
ak.god.2016./2017. 3
P3. Modeli i simulacije materijala i procesa
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
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.
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
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
Modeliranje i simulacije
ak.god.2016./2017. 7
P3. Modeli i simulacije materijala i procesa
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?
Mo (snaga) raunala?
Modeliranje i simulacije
ak.god.2016./2017. 8
P3. Modeli i simulacije materijala i procesa
Eksperimentalno
odreeni dijagrami
17
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
von Misses-ova
krunica naprezanja
H H
Modeliranje i simulacije
ak.god.2016./2017. 10
P3. Modeli i simulacije materijala i procesa
21
2/3
22
Modeliranje i simulacije
ak.god.2016./2017. 11
P3. Modeli i simulacije materijala i procesa
3/3
TTT dijagram za
kontinuirano
ohlaivanje elika 41Cr4
Eksperimentalno
odreeni udjeli faza i
tvrdoa ovisno o
vremenu t800/500 23
t800//500
Modeliranje i simulacije
ak.god.2016./2017. 12
P3. Modeli i simulacije materijala i procesa
T(oC) = const. !
25
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
29
5/6
30
Modeliranje i simulacije
ak.god.2016./2017. 15
P4. Analitiko modeliranje
4. ANALITIKO MODELIRANJE
tgr = ft( , V/A, , , c, a, pe, zav , ...) .... formalni zapis funkcije za proraun vremena ugrijavanja
d As
cV
dt
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. naina prorauna tgr: Rezultati prema 2. nainu prorauna tgr:
Zakljuak:
- vrijeme zagrijavanja je nerealno velikih vrijednosti, - vrijeme zagrijavanja je vee od oekivanog, ali
nije predugako,
- tijek krivulje promjene temperature ne odgovara
procesu zagrijavanja u komornoj pei. - tijek krivulje promjene temperature odgovara
zagrijavanju u komornoj pei.
Korekcija drugog algoritma prorauna tgr poveanjem koeficijenta prijelaza topline za faktor 3,25,
Fourierov zakon
+ Fourierov zakon
+ poetni uvjet:
+ rubni uvjeti:
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),
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,
(1)
rubni uvjeti:
a) na granici plinska atmosfera elik:
(2)
(4)
(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.
aC aR x (6)
erf
a j aR 2 Dt
(5)
(7)
(8)
Rezultati
r 3
Buckingh-ov teorem: Svaka jednadba koja opisuje neko fizikalno stanje ili
proces mora biti dimenzijski homogena.
tj.
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
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
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. NUMERIKO MODELIRANJE
1
5.1.1 Metoda konanih razlika
2
5
3
5.1.3 Tonost prorauna metodom konanih razlika
1D konani volumeni
2D konani volumeni 8
4
5.2 Metoda konanih volumena primjena u simulacijama kaljenja
Postavljanje modela
10
5
5.3 METODA KONANIH ELEMENATA
11
6
5.3.1 Osnovni tipovi konanih elemenata
13
7
5.3.2.1 Metode teinskog reziduala
15
16
8
Naziv konanog elementa uobiajeno se odreuje prema redu funkcije oblika i
(linearni, kvadratini, kubni, spline).
j j
n
3 (x3, y3) j = 1, 2, 3 (5)
i 1
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.
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.
W R dV 0
V
i (9)
21
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
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
W C t D T Q dt 0
T T e e e e e
t ij ij i ij
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
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
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
14
5.5 FEM raunalni sustav COMSOL Multiphysics
29
30
15
31
32
16
33
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
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