Aerodynamik Formoptimierung mit CAD und Simulation: ein praxisorientierter Leitfaden

Autor / Redakteur: Jörg Palluch / Dipl.-Ing. (FH) Monika Zwettler

Optimale Konstruktionen mit verbesserter Leistung bei hoher Robustheit – so die Ziele der vermutlich meisten Neuentwicklungen. Dieser Artikel gibt einen Überblick über das Vorgehen bei der aerodynamischen Formoptimierung.

Firmen zum Thema

Formoptimierungen gehören zum Tagesgeschäft von Konstrukteuren und Simulationsingenieuren.
Formoptimierungen gehören zum Tagesgeschäft von Konstrukteuren und Simulationsingenieuren.
(Bild: Friendship Systems)

Strömungs- und aerodynamische Formoptimierungen gehören mittlerweile zum Tagesgeschäft von Ingenieuren im Simulationsbereich. Simulationsingenieure aus der Luftfahrt-, Automobil- oder Turbomaschinenbranche sind daran interessiert, optimale Konstruktionen mit verbesserter Leistung, aber auch mit einer hohen Robustheit in Bezug auf verschiedene Betriebspunkte zu finden.

Bildergalerie
Bildergalerie mit 10 Bildern

Sie untersuchen Größen wie Auftriebs- und Widerstandskoeffizienten, Wirbelstrukturen, Druck-, Schubspannungs- und Geschwindigkeitsverteilungen und versuchen, die Strömungs- und Struktureigenschaften ihrer Produkte so zu verbessern, dass diese optimal sind. Dank der mittlerweile erschwinglichen Hardware-Ressourcen können Ingenieure ihren Konstruktionsprozess jetzt mit wenigen Klicks skalieren, um hunderte oder sogar tausende von Konstruktionsvarianten auf HPC-Clustern zu untersuchen.

Anwendertreff Maschinenkonstruktion Wer smarte Maschinen effizient konstruieren will, muss in Zukunft auf neue Methoden, Tools und Konzepte setzen. Der Anwendertreff Maschinenkonstruktion bietet Orientierung.
Mehr Informationen: Anwendertreff Maschinenkonstruktion

Anleitung zur Formoptimierung

Dieser Artikel konzentriert sich darauf, eine erste schnelle und praktische Anleitung zur Formoptimierung mit CFD (Computational Fluid Dynamics) und anderen Simulationswerkzeugen zu geben. Untersucht werden die Anforderungen an die Geometriemodelle, die Vernetzung und den Simulationsaufbau, aber auch Optimierungsstrategien und die Verteilung von Simulationen auf HPC-Systemen.

1. Parametrische Modelle zur aerodynamischen Formoptimierung

In vielen Organisationen sind die vorhandenen CAD-Modelle ihrer Produkte (z. B. Flugzeugaufbauten und -flügel, Turbinen, Fahrzeugkomponenten usw.) typischerweise vollparametrisch aufgesetzt. Wenn es jedoch um variable Geometrie geht, die robust und direkt bereit ist für eine Optimierungsschleife, tun sich viele der traditionellen CAD-Systeme im Markt irgendwann schwer. Die wiederholte und automatisierte Erzeugung der Geometrie wird dabei oft unerwartet unterbrochen und gibt einen Fehler zurück, oder zeigt irgendwelche Probleme im Ergebnis.

Manuelle Eingriffe häufig erforderlich

Gründe könnten beispielsweise eine fehlgeschlagene Schnittoperation (Boolean Operation) oder eine kritische Verrundung sein. Ferner ist oft auch das automatische Einhalten von Geometrie-Constraints überhaupt nicht zu automatisieren und erfordert manuelle Eingriffe. Für die 3D-Vernetzung neuer Designkandidaten müssen am Ende zusätzlich alle Flächen-IDs, z.B. über Namen, für jedes Design gleich sein, da die IDs häufig in Vernetzungswerkzeugen referenziert werden.

Anforderungen an die CAD-Software

Deshalb benötigt es für Optimierungsprozesse spezielle Geometrie und ein parametrisches Modell, das für die Automatisierung vorbereitet ist. Die Auswahl der hierfür eingesetzten CAD-Software sollte idealerweise folgende Aspekte berücksichtigen:

  • Der Automatisierung gewidmet: Das CAD-Werkzeug muss sicherstellen, dass flexible parametrische Technologien angeboten werden, die entweder zusätzlich oder sogar ausschließlich auf Automatisierung ausgerichtet sind. Ein Batch-Modus des Tools (d.h. das Ausführen und Exportieren von Geometrie ohne grafische Benutzeroberfläche) ist ein Muss. Einige der auf dem Markt befindlichen CAD-Werkzeuge wurden ursprünglich nicht für diese Aufgabe entwickelt, und zielen auch nicht auf einen solchen Konstruktions- bzw. Optimierungsprozess ab.
  • Robustheit: Die Geometrie sollte immer zu 100% robust sein, d.h. das Regenerieren neuer Geometriekandidaten sollte niemals fehlschlagen, damit eine Optimierung effizient arbeiten kann.
  • Innovation: Als Aerodynamiker muss man in der Lage sein, neue Ideen (z. B. strömungsrelevante Merkmale) sehr schnell in das Geometriemodell einzupflegen, entweder zusammen mit der CAD-Abteilung oder selbständig über spezielle auf Simulation ausgerichtete CAD-Tools. Nur so kann umfassend experimentiert und zügig Innovation geschaffen werden, was wiederum zu Wettbewerbsvorteilen führt.
  • Parameter-Reduktion: Das CAD-Tool sollte intelligente Techniken zur Parameter-Reduktion anbieten, um die Gesamtsimulationszeit bei der Optimierung zu minimieren. Dies können entweder effiziente parametrische Modellierungstechniken oder integrierte Methoden wie PCA (Principal Component Analysis) sein.
  • Bezeichner/IDs: Eine wichtige Anforderung an die Geometrie ist häufig, dass die Face-IDs und -Namen für alle generierten Designs beibehalten werden, um die Vernetzung und die Simulation zu automatisieren. Dies ist für einige Vernetzungstools zwingend erforderlich, um ein vorab aufgezeichnetes Skript wiederholt ausführen zu können. Diese IDs müssen im Geometriemodell aber auch in der exportieren Geometrie (Parasolid, Step, Iges, STL etc) zu finden sein.
  • Einschränkungen: Vorteilhaft ist, wenn die Geometrieeinschränkungen (Constraints) automatisch für jedes Design eingehalten werden. Dazu gehören Querschnittsflächen, Volumen, Dicken und Mindestabstände (Verpackung) usw. Für diese Aufgaben muss das CAD-Werkzeug integrierte Optimierungsmethoden anbieten, die zum Definieren der Geometrie verwendet werden können. Dadurch wird auch das Erzeugen unnötiger (invalider) Designs vermieden, was wiederum massiv Zeit einsparen kann.
  • Automatisiertes Pre-Processing: Meist fordern CAE-Tools zur Vernetzung von z.B. STL-Geometrie eine hohe Geometrie-Qualität. Die Geometrie muss geschlossen sein, und einzelne Patches müssen in der Oberflächenauflösung steuerbar sein. Das CAD-Werkzeug sollte in der Lage sein, die exportieren Geometrien entsprechend bereitzustellen.

2. Vernetzung und Simulation automatisieren

Sobald die Geometrie für die Automatisierung vorbereitet ist, muss die Vernetzungs- und Simulationsstrategie festgelegt werden. In den meisten Fällen verfügen die Simulationsingenieure bereits über Simulations-Setups, die lediglich automatisiert werden.

Einfache Simulation zu Beginn der Entwicklung

Typischerweise kann in einer ersten Phase (Exploration) oft mit einfacheren Simulationsansätzen gearbeitet werden, z.B. Potentiallösern oder anderen Vorauslegungstools. Diese Berechnungen sind viel schneller als die deutlich genaueren RANS-Codes (Reynolds-gemittelte Navier-Stokes) und helfen, eine vielversprechende Richtung im Designprozess zu finden. Dabei muss sichergestellt werden, dass die erste „einfache“ Lösung wirklich die Informationen liefert, die benötigt werden – d.h. ausreichend Genauigkeit für grobe Prognosen vorhanden ist. Da spielt die Erfahrung des Ingenieurs in dem Aufsetzen des Setups und der Bewertung eine entscheidende Rolle.

Automatisierung der Simulation

Egal für welchen Ansatz oder welche Software man sich entscheidet: Alle diese Simulationswerkzeuge müssen automatisiert werden, was für die meisten CAE-Lösungen auf dem Markt immer einfacher wird. Normalerweise bieten diese auch einen Batch-Modus. In der Regel muss eine Art Aufzeichnung (Script Recording) einmalig durchgeführt werden, das dann automatisiert erlaubt, die Baseline-Geometrie durch neue Design-Kandidaten zu ersetzen. Beispiele für Vernetzungs- und Simulationswerkzeuge, die automatisiert werden können, sind z.B. Ansys-Software, Star-CCM+, Numenca-Werkzeuge, TCFD, Grid-Pro, Pointwise.

Effizient durch Adjoint CFD

Neben Potentiallösern und Standard-RANS-Lösern existieren auch weitere clevere Ansätze im Simulationsbereich, etwa das Nutzen von Adjungierten Lösungen (Adjoint CFD). Diese finden immer mehr Einzug in Ingenieursanwendungen aufgrund ihrer effizienten Einsatzmöglichkeiten in der Optimierung. Tools wie Caeses können das parametrische Modell auch mit der adjungierten CFD-Lösung verknüpfen, um nur die wichtigsten Geometrieparameter für die Optimierung zu nutzen. Die Automatisierung von Adjoint CFD ist ebenfalls recht einfach. In den meisten Fällen wird nur eine zusätzliche Ergebnisdatei berücksichtigt.

Festigkeitsanalyse

Wenn nicht nur die Strömungseigenschaften einer Komponente, sondern auch das strukturelle Verhalten berücksichtigt werden soll, so müssen diese zusätzlichen Berechnungen ebenfalls integriert werden (hier ein Beispiel für eine Turbomaschine). Da Festigkeitsanalysen andere Anforderungen als die CFD haben, sind ggf. andere Schritte z.B. in der Geometrieaufbereitung nötig, um sie in die vollständige Optimierungsschleife zu integrieren. Erfahrungsgemäß können Firmen oft mehrere Monate Entwicklungszeit einsparen, wenn die Abteilungen der Strömungssimulation und der Festigkeitsanalyse eng bei Formoptimierungsaufgaben zusammenarbeiten, d.h. es schaffen, ihre Setups zusammenzubringen und zu automatisieren.

SEMINARTIPP Das Seminar „Kraftgerechtes Design“ vermittelt einen Überblick, wie Strukturbauteile belastungsangepasst und materialsparend konstruiert werden können und zeigt auf, wie dieser Prozess beschleunigt werden kann. Die Teilnehmer lernen, das tragende Gerüst der Struktur zu entwerfen. Damit legen sie ca. 80 % der Bauteilperformance fest und schaffen eine solide Grundlage für die weitere Detailoptimierung.
Weitere Informationen

3. Wahl der richtigen Optimierungsstrategie

Viele der heutigen Ingenieursanwendungen sind ziemlich teuer, wenn es um die Gesamtsimulationszeit eines einzelnen Design-Kandidaten geht. Daher benötigt man effiziente Optimierungsstrategien, um schneller zum Ziel zu kommen und in kürzester Zeit das optimale Design zu finden. Die folgenden Schritte können durchgeführt werden für typische Optimierungsaufgaben im Fluid- und Aerodynamikbereich:

Sensitivitätsanalyse: Abhängig von der verfügbaren Simulationszeit und der Problemdefinition wird ein erstes Set von Designkandidaten erzeugt (z.B. 50, 100 oder 500 Designs) und mit Simulation ausgewertet, um die Optimierungsaufgabe besser zu verstehen und eine Datenbasis zu schaffen. Hierfür werden Sample-Algorithmen eingesetzt, wie etwa das Latin Hypercube Sampling (LHS), die im Rahmen der vorgegebenen Variablengrenzen randomisiert Designs erzeugen. Welche der freien Variablen sind wichtig und welche können für die nächste Optimierungsphase deaktiviert werden? Wie sind die Korrelationen unter den Parametern und der Zielfunktionen, welchen Einfluss hat die Netzqualität oder das CFD-Setup? Die Expertise und Erfahrung des Ingenieurs sind in dieser Phase entscheidend, um Zusammenhänge und Abhängigkeiten zu verstehen.

Globale Optimierung: Im nächsten Schritt wird eine globale Optimierung basierend auf den in der Sensitivitätsanalyse gesammelten Daten und Informationen durchgeführt. Hierfür kann der Optimierungsalgorithmus auch ein Ersatzmodell (Response Surface Model) auf der ersten Datenbasis aufbauen und nutzen. Diese Ersatzmodelle approximieren und repräsentieren das eigentliche Simulationsmodell, und erlauben eine schnelle Bewertung von neuen Design-Kandidaten. Sie werden häufig auf der Grundlage von Neuronalen Netzen, Kriging oder einfachen Polynomen generiert, und im Laufe der Optimierung durch neue Informationen kontinuierlich besser in ihrer Vorhersage-Qualität.

Lokale Optimierung: Wenn am Ende des Entwurfsprozesses noch etwas Zeit vorhanden ist, können die besten Designs der globalen Optimierung nochmal einer lokalen Optimierung unterzogen werden. Oft werden hierfür ableitungsfreie Verfahren genutzt, die bei dem „Feintuning“ der Designs gute und schnelle Arbeit leisten können, um weitere kleinere Verbesserungen herauszuholen.

Weitere Strategien für die Optimierung

Natürlich gibt es auch noch viele weitere Strategien: Nach der Sensitivitätsanalyse wie oben beschrieben kann auch direkt eine lokale Optimierung auf einigen aussichtsreichen Designkandidaten erfolgen, ebenfalls unter Verwendung eines reduzierten Parametersatzes. Einige der Optimierungswerkzeuge auf dem Markt bieten Optimierungsmethoden an, bei der mit einem Klick die Kombination der oben genannten Methoden für die einfachere Nutzung gekoppelt ist. Auch über KI (künstliche Intelligenz) und maschinelles Lernen werden auf dem Markt weiterhin neue Optimierungslösungen auftauchen, die innovative Ansätze für die aerodynamische Formoptimierung einführen.

4. Skalieren: HPC-Cluster

Wenn das Geometrie- und Simulations-Setup auf dem lokalen Computer vorbereitet ist, lässt sich dieses sehr zügig auch auf Remote-Hardwareressourcen (etwa HPC Clustern) ausführen. Die Tools werden dort dann im Batch-Modus ausgeführt, d.h. ohne den Einsatz einer grafischen Benutzeroberfläche und führen ihre Aufgaben vollautomatisiert aus. Heutzutage nutzen gerade viele größere Firmen eigene Rechenzentren für die Optimierungsläufe. Dabei können diese Optimierungen mehrere Stunden bis hin zu mehreren Wochen laufen. Sogenannte „Grid Engines“ helfen bei der Verteilung der Simulation Da die meisten HPC-Systeme linuxbasiert sind, sollten die für die Optimierung eingesetzten CAE-Tools Linux unterstützen.

Mehr Informationen über die Software Caeses

Caeses ist eine spezialisierte Lösung für die robuste und flexible parametrische Modellierung und Formoptimierung mit Simulationswerkzeugen.Weitere Informationen dazu finden Sie hier

* Jörg Palluch, Produktmanager Caeses, Friendship Sytems

(ID:45894982)