Инженерные разборы, кейсы Aspen HYSYS, патенты и технологии ежедневно в Telegram.
Оптимизация термодинамической стабильности авторефрижератора с использованием сопряженных CFD-расчетов и машинного суррогатного моделирования
Инженеры применили CFD и ML-суррогатные модели для оптимизации термостабильности авторефрижератора. Гибридный подход позволил обойти вычислительные затраты нестационарных симуляций и обеспечить точность менее 5% при прогнозировании температурных полей. Это дает быстрый инструмент для систем управления и снижения расхода топлива.
Оптимизация термодинамической стабильности авторефрижератора с использованием сопряженных CFD-расчетов и машинного суррогатного моделирования
Ниже представлен адаптированный и расширенный вариант статьи на русском языке. Исходный текст уже был на русском, поэтому выполнена его профессиональная редактура и структурирование: добавлены вводные пояснения, уточнены технические детали, сохранены все численные значения, термины и табличная часть. Статья оформлена в соответствии с академическим и инженерным стилем.
Применение методов вычислительной гидродинамики и суррогатного моделирования для энергооптимизации рефрижераторного транспорта
Введение
Поддержание строго заданного температурного режима в рефрижераторном транспорте является критически важным условием для логистики чувствительных грузов, включая фармацевтическую продукцию и продукты питания. Нарушение температурной цепочки может привести к порче груза, потере его свойств и значительным экономическим издержкам. В связи с этим возникает необходимость в точном прогнозировании и управлении тепловыми процессами внутри грузового отсека. Данный кейс рассматривает междисциплинарный подход, объединяющий методы вычислительной гидродинамики (Computational Fluid Dynamics, CFD) и машинного обучения (Machine Learning, ML) для энергооптимизации и управления конвективным теплообменом. Предложенная архитектура позволяет перейти от дорогостоящих трёхмерных симуляций к быстрому суррогатному моделированию (Surrogate Modelling), обеспечивающему работу в режиме реального времени.
Постановка задачи и методология
Первоначально задача конвективного теплообмена решалась в полной трёхмерной постановке с использованием коммерческих CFD-пакетов. Моделирование включало:
- расчёт турбулентных потоков охлаждённого воздуха, поступающего от испарителя;
- учёт кондуктивной теплопередачи через многослойные изолированные стенки кузова;
- моделирование теплоёмкости груза, уложенного штабелями.
Однако инженеры столкнулись с проблемой вычислительной сложности. Прямое внедрение динамических нестационарных граничных условий, таких как периодическое открытие дверей при погрузке и разгрузке, вызывающее массивный приток тёплого наружного воздуха, в transient-режиме CFD-симуляций требовало неприемлемо больших затрат суперкомпьютерного времени. Для преодоления этого ограничения была разработана архитектура суррогатного моделирования. Вместо расчёта каждой секунды открытия дверей в CFD, влияние данного фактора было включено как косвенная операционная переменная в регрессионную ML-модель.
Этапы моделирования
Для наглядности основные этапы моделирования и используемые подходы сведены в таблицу 1.
Таблица 1. Этапы моделирования рефрижератора
| Этап моделирования | Используемый метод / Подход | Решаемая проблема |
|---|---|---|
| Базовая гидродинамика | 3D CFD симуляция (RANS k-epsilon) | Расчёт полей скоростей и температур внутри загруженного отсека. |
| Динамические возмущения | Параметризация открытия дверей | Уход от дорогостоящих расчётов нестационарных подвижных сеток. |
| Быстрый расчёт (Real-time) | Суррогатное моделирование (Surrogate Model) | Обучение ML-алгоритма на матрице базовых стационарных CFD-решений. |
| Валидация | Физический эксперимент на грузовике | Подтверждение точности (ошибка <5%) для внедрения в системы управления. |
Базовая гидродинамика
На первом этапе для расчёта полей скоростей и температур внутри загруженного отсека использовалась трёхмерная CFD-симуляция на основе модели турбулентности RANS k-epsilon. Данная модель позволяет с достаточной точностью описать турбулентные течения воздуха, возникающие при работе испарителя, и учесть теплообмен с грузом и стенками.
Параметризация динамических возмущений
Для снижения вычислительной нагрузки было предложено параметризовать процесс открытия дверей. Вместо моделирования подвижных сеток и нестационарных процессов, связанных с притоком тёплого воздуха, влияние этого фактора учитывалось через набор параметров, которые затем использовались в суррогатной модели. Такой подход позволил исключить необходимость проведения дорогостоящих transient-расчётов.
Суррогатное моделирование
Для обучения суррогатной модели использовалась матрица данных (дизайн эксперимента), полученная из ограниченного числа стационарных базовых CFD-расчётов при различных комбинациях внешних температур и режимов работы вентилятора. На основе этих данных была обучена регрессионная ML-модель, способная мгновенно предсказывать температурное поле внутри отсека в ответ на изменение входных параметров. Это обеспечило возможность работы в режиме реального времени, что критически важно для систем автоматического управления.
Физическая валидация
Строгая физическая валидация всей связки «CFD — суррогатная модель» проводилась на основе серии термометрических экспериментов с реальным рефрижераторным грузовиком, оборудованным датчиками. Сравнение предсказаний гибридной модели с экспериментальными измерениями показало высокую надёжность подхода: средняя относительная ошибка составила менее 5%.
Результаты и выводы
Итоговый результат продемонстрировал превосходную надёжность предложенного подхода. Гибридная модель, объединяющая CFD и суррогатное моделирование, обеспечила инженеров-проектировщиков и системы автоматического управления (IoT) быстрым, вычислительно дешёвым и эффективным инструментом для поддержания температурного режима. Кроме того, применение данного подхода позволило снизить расход дизельного топлива на охлаждение за счёт оптимизации режимов работы вентилятора и более точного управления тепловыми процессами.
Таким образом, предложенная методология может быть рекомендована для широкого внедрения в рефрижераторную логистику, особенно в случаях, когда требуется оперативное реагирование на изменяющиеся внешние условия и минимизация энергопотребления.
Источник
Теги
- #CFD
- #SurrogateModeling
- #ThermalManagement
- #Optimization
- #Logistics
Источник: https://www.mdpi.com/2673-4117/7/8/393
#CFD #SurrogateModeling #ThermalManagement #Optimization #Logistics