کاهش ۱۰٪ درگ خودرو با فلوئنت: یک کیس استادی کامل از تعریف مسئله تا نتیجه نهایی

چگونه با قدرت شبیه‌سازی فلوئنت، یک چالش بزرگ آیرودینامیک را در سیمومک به یک فرصت تبدیل کردیم؟

وقتی تیم طراحی خودروی مسابقه برای اولین بار با ما تماس گرفت، یک چالش مشخص روی میز بود: “ما به سقف توان موتور رسیده‌ایم، حالا برای سریع‌تر شدن فقط یک راه داریم: شکافتن بهتر هوا”. این دقیقاً همان نقطه‌ای است که مهندسی سیالات از یک مفهوم تئوری به یک مزیت رقابتی واقعی در پیست تبدیل می‌شود. این پروژه برای ما در سیمومک فقط یک شبیه‌سازی نبود، بلکه یک آزمون واقعی برای تبدیل داده‌های CFD به ثانیه‌های کمتر در تایم‌لپ بود. تیم سیمومک در تمام مراحل انجام پروژه فلوئنت کنار شماست؛ چه برای انجام پروژه دانشجویی فلوئنت و مشاوره تخصصی انجام پایان نامه فلوئنت نیاز به راهنمایی داشته باشید ما راهکار دقیق را به شما ارائه می‌دهیم.

جدول خلاصه نتایج بهینه‌سازی آیرودینامیک

این مقاله یک شیرجه عمیق به دل یک پروژه واقعی است. اگر با کلیات نرم‌افزار آشنایی کامل ندارید، پیشنهاد می‌کنم ابتدا نگاهی به راهنمای جامع ما در مورد آموزش کامل انسیس فلوئنت بیندازید تا با مفاهیم پایه بهتر ارتباط برقرار کنید. در این کیس استادی، ما می‌خواهیم به شما نشان دهیم چگونه با شبیه‌سازی فلوئنت، نیروی درگ یک خودرو را کاهش دادیم و این کار چطور انجام شد. در این پروژه هدف کاهش نیروی درگ است. اگر با مفاهیم پایه نیروهای وارده بر جسم آشنا نیستید، پیشنهاد می‌شود ابتدا مقاله آیرودینامیک چیست؟ (آیرودینامیک به زبان ساده) را مطالعه کنید.

چرا کاهش حتی ۱٪ نیروی درگ برای یک خودروی مسابقه حیاتی و تعیین‌کننده است؟

در دنیای مسابقات اتومبیل‌رانی، میلی‌ثانیه‌ها تفاوت بین سکوی قهرمانی و رده‌های میانی را رقم می‌زنند. نیروی درگ (Drag Force) یا پسا، مقاومت هوا در برابر حرکت خودرو است. این نیرو مستقیماً روی حداکثر سرعت و مصرف سوخت تاثیر می‌گذارد. یک تصور غلط رایج این است که فقط تغییرات بزرگ آیرودینامیکی مهم هستند. اما تجربه ۷ ساله‌ی من در شبیه‌سازی‌های صنعتی نشان داده که گاهی پیروزی در جزئیات کوچک نهفته است.

برای مثال، کاهش ۱۰٪ نیروی درگ در یک پیست با مسیر مستقیم طولانی، می‌تواند به راحتی به معنای ۰.۵ تا ۱ ثانیه زمان بهتر در هر دور مسابقه باشد. در طول یک مسابقه ۵۰ دوری، این یعنی حدود ۴۰ ثانیه برتری! اینجاست که ارزش تحلیل CFD مشخص می‌شود، کاری که انجامش در تونل باد واقعی هزینه‌های سرسام‌آوری دارد.

رویکرد مهندسی ما برای تعریف دقیق مسئله و تعیین اهداف پروژه چگونه بود؟

قبل از باز کردن نرم‌افزار فلوئنت، اولین و مهم‌ترین گام، تعریف درست مسئله بود. ما یک جلسه فنی با تیم طراحی داشتیم و اهداف پروژه را به صورت کمی و قابل اندازه‌گیری مشخص کردیم. صرفاً “کاهش درگ” یک هدف مهندسی نیست.

این جدول به ما یک نقشه راه واضح داد. ما دقیقاً می‌دانستیم که در پایان، برای استخراج داده‌های کمی دقیق از نتایج به دنبال چه عددهایی هستیم و موفقیت پروژه چطور سنجیده می‌شود.

برای یک شبیه‌سازی دقیق CFD، چه مراحلی را برای آماده‌سازی و ساده‌سازی مدل سه بعدی خودرو طی کردیم؟

مدل CAD اولیه‌ای که به دست ما رسید، یک فایل بسیار سنگین و پر از جزئیات بود؛ از پیچ‌های ریز روی بدنه گرفته تا جزئیات داخل کابین راننده. اجرای شبیه‌سازی روی چنین مدلی تقریباً غیرممکن و البته غیرضروری است. اولین قدم، فرآیندی به نام Defeaturing یا ساده‌سازی هندسه بود.

• حذف قطعات داخلی که تاثیری بر آیرودینامیک خارجی ندارند (صندلی، فرمان و…).
• پر کردن شکاف‌های بسیار ریز بین پنل‌های بدنه.
• حذف پیچ‌ها، آرم‌ها و جزئیاتی که در مقیاس کلی جریان، بی‌اهمیت هستند.

یک اشتباه کوچک در همین مرحله می‌تواند کل فرآیند مش‌بندی را مختل کند. یک بار فراموش کردن یک سوراخ کوچک روی بدنه، ساعت‌ها ما را درگیر خطاهای مربوط به کیفیت مش کرد. هواست به همین جزئیات کوچک باید باشد.

چرا استراتژی مش‌بندی (Meshing) مهم‌ترین گام برای دستیابی به نتایج معتبر در تحلیل درگ است؟

اینجا جایی است که تجربه واقعا خودش را نشان می‌دهد. یک شبیه‌سازی با بهترین تنظیمات فیزیکی اما با مش ضعیف، نتایجی کاملاً بی‌اعتبار تولید می‌کند. برای این پروژه، ما از یک استراتژی مش ترکیبی (Hybrid Mesh) استفاده کردیم. 🕸️

تمرکز اصلی ما روی ناحیه لایه مرزی (Boundary Layer) بود؛ لایه نازکی از هوا که به سطح خودرو می‌چسبد و بخش بزرگی از نیروی درگ در آنجا متولد می‌شود. برای تحلیل دقیق این ناحیه، ما از لایه‌های منشوری (Prism Layers) استفاده کردیم تا مطمئن شویم پارامتر Y+ (وای پلاس) در محدوده‌ی مناسبی (زیر ۱) قرار دارد. این کار به مدل توربولانسی اجازه می‌دهد رفتار جریان در نزدیکی دیواره را با دقت بالایی پیش‌بینی کند. کیفیت مش در نواحی دورتر از خودرو اهمیت کمتری داشت، بنابراین از المان‌های چهاروجهی (Tetrahedral) برای کاهش هزینه‌های محاسباتی استفاده کردیم.

کدام مدل توربولانسی را در فلوئنت انتخاب کردیم و چرا این انتخاب برای شبیه‌سازی جریان خارجی کلیدی بود؟

انتخاب مدل توربولانسی مثل انتخاب ابزار درست برای یک کار مشخص است. برای شبیه‌سازی جریان خارجی حول یک جسم مثل خودرو، مدل‌های دو معادله‌ای رایج‌ترین انتخاب هستند. بین دو گزینه اصلی یعنی k-ε و k-ω، ما مدل Shear Stress Transport (SST) k-ω را انتخاب کردیم.

جدول مقایسه ساده دو مدل توربولانسی برای این کاربرد

چرا؟ چون این مدل بهترین ویژگی‌های هر دو را ترکیب می‌کند. در نواحی نزدیک به سطح خودرو (درون لایه مرزی) مانند مدل استاندارد k-ω عمل کرده و دقت بالایی دارد، و در نواحی دورتر از سطح (جریان آزاد) به رفتار مدل k-ε سوئیچ می‌کند که پایداری بهتری دارد. این انتخاب برای پیش‌بینی دقیق پدیده جدایش جریان (Flow Separation) که عامل اصلی تولید درگ فشاری است، حیاتی بود. درک تفاوت حلگرهای Pressure-Based و Density-Based هم در این مرحله به انتخاب صحیح تنظیمات کلی حلگر کمک زیادی کرد.

برای تقلید دقیق شرایط تونل باد واقعی، شرایط مرزی را در نرم‌افزار چگونه تنظیم کردیم؟

هدف ما شبیه‌ساز ی یک تونل باد مجازی بود. برای این کار، یک دامنه محاسباتی بزرگ (Computational Domain) اطراف خودرو ایجاد کردیم و شرایط مرزی را به شکل زیر تعریف نمودیم:

• ورودی (Inlet): یک شرط مرزی Velocity Inlet با سرعت ثابت معادل سرعت خودرو در مسیر مستقیم (مثلاً 250 km/h).
• خروجی (Outlet): شرط مرزی Pressure Outlet با فشار نسبی صفر (معادل فشار اتمسفر).
• دیواره‌های کناری و بالایی: شرط مرزی Symmetry برای کاهش هزینه محاسباتی، با این فرض که جریان در دو طرف خودرو متقارن است.
• سطح زمین (Ground): شرط مرزی Moving Wall با سرعتی برابر با سرعت ورودی برای شبیه‌سازی حرکت زمین نسبت به خودرو.
• سطح خودرو: شرط مرزی Wall با حالت No-Slip.

این تنظیمات به ما اجازه داد شرایطی بسیار نزدیک به واقعیت را مدل کنیم. همانطور که در پروژه‌های صنعتی دیگر مثل بهینه‌سازی آیرودینامیک پره‌های توربین بادی یا حتی تحلیل جریان در یک شیر کنترل صنعتی برای کاهش افت فشار، تعریف درست شرایط مرزی نیمی از راه برای رسیدن به نتایج قابل اعتماد است.

تحلیل نتایج اولیه چه نقاط ضعف پنهانی را در طراحی آیرودینامیکی خودرو آشکار ساخت؟

اولین باری که نتایج شبیه‌سازی مدل اولیه روی مانیتور ظاهر شد، مثل دیدن یک عکس رادیولوژی از بیمار بود. همه چیز مشخص بود. کانتورهای فشار به وضوح یک ناحیه فشار بسیار بالا (Stagnation Point) در جلوی خودرو و سپر را نشان می‌دادند که مثل یک ترمز هوایی عمل می‌کرد. اما مشکل اصلی جای دیگری بود.

پشت خودرو، در ناحیه wake، یک گردابه عظیم و نامنظم شکل گرفته بود. این ناحیه کم‌فشار، مثل یک نیروی مکش قوی، خودرو را به عقب می‌کشید و عامل اصلی درگ فشاری (Pressure Drag) بود. برای تحلیل دقیق‌تر این ساختارهای جریانی، باید از ابزارهای حرفه‌ای استفاده می‌کردیم. یادگیری تکنیک‌های پس‌پردازش حرفه‌ای در CFD-Post به ما این امکان را داد که خطوط جریان را با جزئیات ببینیم و بفهمیم دقیقاً در کدام نقاط، جریان از سطح بدنه جدا (separate) می‌شود. از پروژه‌های کلاسی و انجام پروژه دانشجویی فلوئنت گرفته تا سطوح پیشرفته مثل انجام پایان نامه فلوئنت و انجام پروژه انسیس فلوئنت با هندسه‌های پیچیده، تیم ما آماده انجام پروژه فلوئنت با تضمین کیفیت و آموزش کامل است.

چگونه با تحلیل کانتورهای فشار و سرعت، اولین ایده‌های مهندسی برای بهینه‌سازی را پیدا کردیم؟

داده‌های CFD به خودی خود بی‌معنی هستند؛ این تفسیر مهندسی است که به آن‌ها ارزش می‌دهد. ما دو ناحیه کلیدی را برای بهینه‌سازی هدف قرار دادیم:

۱. زیر خودرو (Underbody): جریان هوا در زیر خودرو بسیار آشفته بود. این ناحیه پتانسیل بالایی برای ایجاد نیروی پایین‌برنده (Downforce) و هدایت بهتر جریان به سمت دیفیوزر عقب داشت.
۲. باله عقب و دیفیوزر: طراحی فعلی نمی‌توانست به خوبی جریان هوای عبوری از روی سقف و زیر خودرو را مدیریت کند، که همین موضوع باعث ایجاد آن گردابه بزرگ در پشت خودرو شده بود.

این رویکرد تحلیلی، یعنی پیدا کردن مشکل از روی نتایج شبیه‌سازی، فقط محدود به آیرودینامیک نیست. در پروژه‌های دیگری مثل بهینه‌سازی خنک‌کاری باتری خودرو برقی هم دقیقاً با همین روش نقاط داغ (Hotspots) را پیدا کرده و راه حل مهندسی ارائه دادیم.

کدام تغییرات جزئی در طراحی باله عقب و دیفیوزر منجر به کاهش شگفت‌انگیز ۱۰ درصدی درگ شد؟

اینجا بود که فرآیند تکرار و بهینه‌سازی شروع شد. ما چندین سناریوی مختلف را شبیه‌سازی کردیم. جالبه بدونی یکی از ایده‌های اولیه ما برای تغییر شکل آینه‌های بغل تقریبا هیچ تاثیر گزاری نداشت. اما تغییرات موفقیت‌آمیز اینها بودند:

• افزایش زاویه حمله (Angle of Attack) باله عقب: زاویه باله را ۲.۵ درجه افزایش دادیم. این کار ضمن حفظ داون‌فورس، به هدایت بهتر جریان هوا به سمت پایین کمک کرد.
• اضافه کردن صفحات عمودی (Vertical Fins) به دیفیوزر: این صفحات انرژی جریان هوای زیر خودرو را حفظ کرده و از ترکیب شدن آن با جریان‌های جانبی جلوگیری کردند. این کار به طرز چشمگیری اندازه ناحیه wake را کاهش داد.
• ایجاد یک انحنای ملایم در لبه انتهایی سقف: یک تغییر بسیار کوچک که به جریان هوا کمک کرد تا مدت طولانی‌تری به بدنه چسبیده بماند و جدایش را به تاخیر بیندازد.

نتایج شبیه‌سازی قبل و بعد از بهینه‌سازی چه تفاوت چشمگیری را در خطوط جریان نشان می‌دهد؟

اگر بخواهیم تفاوت را در یک جمله بگوییم: جریان هوای پشت خودرو از یک رودخانه خروشان و آشفته به یک کانال آرام و منظم تبدیل شد. 🌊

در مدل اولیه، خطوط جریان (Streamlines) پشت خودرو کاملاً در هم پیچیده و کوتاه بودند که نشان‌دهنده اتلاف انرژی شدید بود. اما در مدل بهینه‌شده، خطوط جریان بسیار بلندتر، صاف‌تر و موازی‌تر شدند. این یعنی انرژی کمتری از جریان هوا گرفته شده و در نتیجه، نیروی درگ کمتری به خودرو وارد می‌شود. برای ارائه این نتایج به تیم طراحی، ما از خروجی‌ها استفاده کردیم تا یک ویدیو بسازیم. اگر شما هم به این موضوع علاقه‌مندید، می‌توانید راهنمای ما در مورد ساخت انیمیشن‌های حرفه‌ای از نتایج فلوئنت را مطالعه کنید.

چه اشتباهات رایجی در شبیه‌سازی آیرودینامیک می‌تواند نتایج شما را کاملاً بی‌اعتبار کند؟

در طول این پروژه و پروژه‌های مشابه، ما با چالش‌های زیادی روبرو شدیم. یک شبیهساز ی موفق فقط اجرای چند دستور در نرم‌افزار نیست. چند اشتباه مرگبار وجود دارد که می‌تواند کل تحلیل شما را زیر سوال ببرد:

• کوچک بودن دامنه محاسباتی: اگر دیواره‌های دامنه خیلی به خودرو نزدیک باشند، پدیده‌ای به نام اثر انسداد (Blockage Effect) رخ می‌دهد که نتایج درگ را به طور کاذب افزایش می‌دهد.
• عدم انجام مطالعه استقلال از شبکه (Grid Independence): همیشه باید مطمئن شوید که نتایج شما به خاطر ریزتر کردن مش تغییر محسوسی نمی‌کند. وگرنه ممکن است نتایج شما صرفاً یک خطای عددی باشد.
• نادیده گرفتن هشدارهای همگرایی: اگر حل شما به خوبی همگرا نشود، نتایج به دست آمده قابل اعتماد نیستند. درک دلایل اصلی عدم همگرایی در فلوئنت یک مهارت حیاتی برای هر تحلیل‌گر CFD است.

این پروژه چگونه ثابت می‌کند شبیه‌سازی CFD تنها یک ابزار تحلیلی نیست، بلکه یک راهنمای قدرتمند برای طراحی است؟

این کیس استادی نشان می‌دهد که هدف از کاهش درگ خودرو با شبیه‌سازی صرفاً به دست آوردن یک عدد نیست. قدرت واقعی CFD در این است که به ما “بینایی” می‌دهد تا جریان نامرئی هوا را ببینیم، نقاط ضعف را پیدا کنیم و قبل از ساخت حتی یک قطعه فیزیکی، طراحی را به صورت هوشمندانه اصلاح کنیم. شبیه‌سازی، فرآیند طراحی را از یک رویکرد “آزمون و خطا” به یک فرآیند “طراحی مبتنی بر داده” تبدیل می‌کند.

آیا شما هم برای بهینه‌سازی آیرودینامیک محصول خود به یک تحلیل دقیق مهندسی در سیمومک نیاز دارید؟

همانطور که در این مطالعه موردی دیدید، کاهش نیروی درگ و بهینه‌سازی عملکرد آیرودینامیکی فرآیندی پیچیده و نیازمند تخصص عمیق در دینامیک سیالات و نرم‌افزارهای شبیه‌سازی است. اگر شما هم با چالش‌های مشابهی در طراحی محصولات خود، از قطعات صنعتی گرفته تا وسایل نقلیه، روبرو هستید، تیم ما در سیمومک آماده است تا این مسیر را در کنار شما طی کند.

تخصص ما انجام پروژه فلوئنت در سطح صنعتی است و می‌توانیم به شما کمک کنیم تا با استفاده از قدرت شبیه‌سازی، به اهداف طراحی خود برسید و نیروی درگ محصولتان را با روش‌های مهندسی کاهش دهید. برای اطمینان از کیفیت و دقت نتایج، می‌توانید از خدمات انجام پروژه انسیس فلوئنت ما استفاده کنید. همچنین برای پروژه‌های حساس، امکان عقد قرارداد و انجام پروژه فلوئنت در تهران به صورت حضوری و یا انجام پروژه فلوئنت به صورت آنلاین برای سراسر کشور فراهم است.

۱۰ سوال متداول (FAQ) به همراه پاسخ

1. کل این پروژه از ابتدا تا انتها چقدر زمان برد؟
   معمولاً چنین پروژه‌ای بسته به پیچیدگی هندسه و تعداد سناریوهای بهینه‌سازی، بین ۳ تا ۶ هفته کاری زمان می‌برد که شامل آماده‌سازی مدل، شبیه‌سازی‌های متعدد و تحلیل نتایج است.
2. آیا نتایج شبیه‌سازی با نتایج تست تونل باد واقعی مطابقت دارد؟
   بله، با تنظیمات صحیح، مش‌بندی دقیق و اعتبارسنجی، نتایج CFD می‌تواند تطابق بسیار خوبی (معمولاً با خطای کمتر از ۵-۱۰٪) با داده‌های تونل باد داشته باشد و به عنوان یک جایگزین بسیار کم‌هزینه‌تر عمل کند.
3. چرا از مدل توربولانسی SST k-ω استفاده کردید و نه مدل‌های پیچیده‌تر مثل LES؟
   برای کاربردهای صنعتی مانند این، مدل SST k-ω بهترین تعادل را بین دقت و هزینه محاسباتی ارائه می‌دهد. مدل‌های LES بسیار دقیق‌تر هستند اما به منابع محاسباتی فوق‌العاده سنگینی نیاز دارند که برای مراحل اولیه طراحی، منطقی نیست.
4. هزینه تقریبی انجام یک پروژه شبیه‌سازی آیرودینامیک چقدر است؟
   هزینه به عوامل زیادی مثل پیچیدگی مدل، تعداد سناریوهای تحلیلی و سطح گزارش مورد نیاز بستگی دارد. اما به طور کلی، هزینه آن کسری از هزینه ساخت پروتوتایپ و تست در تونل باد است.
5. آیا این تکنیک‌ها برای بهینه‌سازی آیرودینامیک محصولات دیگر هم کاربرد دارد؟
   قطعاً. همین فرآیند برای بهینه‌سازی آیرودینامیک پهپاد، توربین‌های بادی، بدنه قطار، تجهیزات ورزشی و حتی ساختمان‌ها برای کاهش نیروی باد قابل استفاده است.
6. مهم‌ترین چالش شما در این پروژه چه بود؟
   تولید یک شبکه مش باکیفیت در نواحی پیچیده هندسی مانند محل اتصال باله به بدنه، ضمن حفظ تعداد کل المان‌ها در یک محدوده منطقی، چالش‌برانگیزترین بخش فنی پروژه بود.
7. آیا برای این شبیه‌سازی از ابرکامپیوتر (HPC) استفاده کردید؟
   بله، برای اجرای سریع سناریوهای مختلف بهینه‌سازی، ما از ایستگاه‌های کاری قدرتمند (Workstations) با قابلیت حل موازی (Parallel Processing) روی چندین هسته CPU استفاده کردیم تا زمان هر شبیه‌سازی از چند روز به چند ساعت کاهش یابد.
8. تغییرات طراحی چقدر روی نیروی پایین‌برنده (Downforce) تاثیر گذاشت؟
   این نکته بسیار مهمی بود. هدف ما این بود که با کاهش درگ، داون‌فورس را از دست ندهیم. خوشبختانه تغییرات اعمال شده، داون‌فورس را تنها حدود ۲٪ کاهش داد که کاملاً در محدوده اهداف پروژه قرار داشت.
9. آیا از نرم‌افزار دیگری به جز فلوئنت هم می‌توان استفاده کرد؟
   بله، نرم‌افزارهای قدرتمند دیگری مانند STAR-CCM+، OpenFOAM و COMSOL نیز برای این تحلیل‌ها استفاده می‌شوند. انتخاب ما فلوئنت به دلیل قدرت، پایداری و ابزارهای جامعی است که برای این نوع تحلیل‌ها ارائه می‌دهد.
10. آیا اطلاعات طراحی مشتری در این فرآیند محرمانه باقی می‌ماند؟
    صد در صد. ما در سیمومک قبل از شروع هر پروژه صنعتی، قرارداد عدم افشای اطلاعات (NDA) را امضا می‌کنیم و امنیت داده‌های طراحی مشتریان برای ما در اولویت مطلق قرار دارد.