5 Gründe, warum PreonLab die ideale Software für die Simulation von Fahrzeugverschmutzung ist

  • Blog

Siddharth Marathe, Technical Marketing Engineer, FIFTY2 Technology

Den Einfluss von Verschmutzungen auf ein Fahrzeug zu verstehen und zu beherrschen ist ein wichtiger Aspekt der Fahrsicherheit, der bei der Konstruktion von Fahrzeugen berücksichtigt werden muss. Verschmutzungen können durch die Ablagerung von Flüssigkeiten und festen Verunreinigungen auf der Fahrzeugoberfläche entstehen. Mögliche Ursachen sind Spritzer, raue Witterungsbedingungen während der Fahrt oder die Ansammlung von Schnee oder Schlamm auf dem Fahrzeug. Dies kann zu einer Vielzahl unerwünschter Probleme führen. Beispielsweise kann das Sichtfeld des Fahrers beeinträchtigt werden, aber auch die Sichtbarkeit des Fahrzeugs selbst sowie wichtiger Fahrzeugteile wie Nummernschilder und Lichter für andere Verkehrsteilnehmer eingeschränkt werden. Mit dem zunehmenden Einsatz von Kameras und Sensoren für Sicherheits- und autonome Fahrsysteme nimmt auch die Relevanz von Ablagerungen auf diesen Sensoren stetig zu. In der Tat ist es beim autonomen Fahren entscheidend, Schmutz oder zu viel Wasser auf den entsprechenden Kameras und Sensoren zu vermeiden. Daher ist es von entscheidender Bedeutung, Erkenntnisse zu gewinnen, die für die richtige Platzierung solcher Sensoren und Kameras von Nutzen sind. 

Das Ausmaß der Verschmutzung hängt von zahlreichen Faktoren wie den Fahrbedingungen, der Menge der vorhandenen Verunreinigungen und der Aerodynamik des Fahrzeugs ab. Dies führt zu einer Vielzahl von Szenarien, die bei physikalischen Tests der Fahrzeuge berücksichtigt werden müssen. Der Einsatz von CFD-Simulationssoftware hat sich als eine zuverlässige und kosteneffiziente Möglichkeit erwiesen, solche Tests zu ergänzen. Im Rahmen virtueller Tests ist es nicht nur möglich mehr Szenarien abzudecken. Nach einer gründlichen Validierung können sie auch dazu beitragen, Vorhersagen zu treffen, sodass es nicht mehr notwendig ist für jede einzelne Design-Iteration einen kompletten Prototyp herzustellen. Aus diesen Gründen steigt die Bedeutung von Fluidsimulationen im Bereich Fahrzeugverschmutzung stark zu.

Strömungssimulationswerkzeuge können von unschätzbarem Wert sein, wenn es darum geht, folgeschwere Fehler frühzeitig in der Entwurfsphase zu erkennen, doch stehen sie im Vergleich zu physikalischen Tests vor anderen Herausforderungen. In der Regel muss bei herkömmlichen numerischen Methoden viel Zeit und Fachwissen für die Erstellung von Gittern (Meshing) investiert werden. Das Verhalten der verschiedenen Flüssigkeiten auf den verschiedenen Fahrzeugoberflächen muss korrekt erfasst werden. Um die Genauigkeit der Simulation zu gewährleisten, ist eine hohe räumliche und zeitliche Auflösung erforderlich. Dies bedeutet, dass der erforderliche Rechenaufwand beträchtlich sein kann. Darüber hinaus spielt die Fahrzeugaerodynamik eine wichtige Rolle für das Verschmutzungsverhalten und muss bei der Simulation berücksichtigt werden. Die Berücksichtigung instationärer Effekte in der Luftströmung ist für eine präzise Vorhersage des Tröpfchenverhaltens notwendig und kann zu einem erheblichen Anstieg des Speicherbedarfs führen. All diese Aspekte führen zu erhöhten Projektlaufzeiten und -kosten. Daher ist es unerlässlich, mit einer CFD-Software zu arbeiten, die genaue und zuverlässige Simulationsergebnisse ermöglicht und gleichzeitig die Berechnungszeit und den Arbeitsspeicherbedarf der Simulationen effizient reduziert. Werfen wir daher einen Blick darauf, weshalb PreonLab die ideale Lösung ist, um Ihnen dabei zu helfen die Hürden der Fahrzeugverschmutzungsanalyse zu überwinden.

gl-ast_image-web-blog-soiling-header_00_06-24.jpg.

In PreonLab dreht sich alles um Partikel. Es basiert auf der Smoothed-Particle-Hydrodynamics-Methode: einer gitterfreien, partikelbasierten Simulationsmethode. Aufgrund des rein Lagrange'schen Ansatzes ist ein Vernetzen, wie es bei herkömmlichen gitterbasierten CFD-Methoden üblich ist, nicht erforderlich. Dadurch lässt sich ein erheblicher Teil der Zeit und des Aufwands beim Simulationsaufbau einsparen. Darüber hinaus ist das Herzstück der revolutionären PREON-Technologie von PreonLab ein hochfunktionaler impliziter Löser, der große Zeitschritte (CFL 1), schnelle Berechnungen pro Zeitschritt und eine adaptive Partikelauflösung ermöglicht, ohne dabei die Stabilität zu beeinträchtigen. Zusätzlich zu diesen inhärenten Leistungsvorteilen im Kern des Solvers wurde PreonLab so konzipiert, dass es eine intuitive Benutzeroberfläche, eine Fülle von einfach zu bedienenden Funktionen, sowie Multiplattformunterstützung für verschiedene Hardwaretypen bietet. 

gl-ast_image-web-blog-soiling-01_06-24.jpg.
Abbildung 1: Bei PreonLab dreht sich alles um Partikel.

PreonLab ist für die Simulation verschiedenster Verschmutzungsanwendungen geeignet. Die Software bietet Presets für Flüssigkeiten wie Wasser und Öl sowie integrierte Voreinstellungen für verschiedene Arten von Schnee. Insbesondere Wasser und Schnee sind für Verschmutzungssimulationen besonders relevant. Video 1 zeigt eine Auswahl von Simulationsbeispielen mit Wasser und Schnee. 

Video file

Video 1: Auswahl von Fahrzeugverschmutzungsanwendungen, die mit PreonLab simuliert werden können.

Zusätzlich zu den bewährten Modellen für Adhäsion und Kohäsion bietet PreonLab mit Lateral Adhesion ein zusätzliches Feature, um mehr Kontrolle über das Verhalten von Tropfen zu erhalten. Video 2 zeigt die Auswirkung von Lateral Adhesion auf das Tröpfchenverhalten und Video 3 zeigt ein Beispiel für eine Windschutzscheibensimulation mit Lateral Adhesion.

Video file

Video 2: Auswirkung des Features „Lateral Adhesion“ auf das Tröpfchenverhalten.

Video file

Video 3: Beispiel einer Windschutzscheibensimulation unter Verwendung von Lateral Adhesion.

Darüber hinaus ist es möglich, newtonsche und nicht-newtonsche Flüssigkeiten zu definieren, um ein breites Spektrum von benutzerdefinierten Materialien zu simulieren. Für häufig verwendete Fluide können benutzerdefinierte Presets erstellt werden, um bei Bedarf sofort darauf zugreifen zu können.

gl-ast_image-web-blog-soiling-05_06-24.jpg.
Abbildung 2: Die Auswirkung der kontinuierlichen Partikelgröße in einer Reifenspritzwassersimulation. Die Partikel vor dem Auto bleiben grob (gelb) und werden zu feinen Partikeln (violett), wenn sie von dem Reifen hochgespritzt werden.

Im Mittelpunkt der Entwicklung von PreonLab steht das Versprechen von FIFTY2, eine effiziente und leistungsstarke Simulationssoftware zu entwickeln. Dazu gehört die Weiterentwicklung der Software zur Maximierung der Simulationsgeschwindigkeit bei gleichzeitiger Minimierung des Speicherbedarfs.

Continuous Particle Size (CPS) ist ein einzigartiger, fortschrittlicher Algorithmus zur räumlich adaptiven Partikelverfeinerung und -vergröberung. In Regionen, in denen eine hohe Präzision benötigt wird, ist häufig auch eine kleine Partikelgröße notwendig. Im Falle von Verschmutzungssimulationen könnten dies Bereiche im Radkasten eines Fahrzeugs, entlang der Oberfläche des Fahrzeugs oder um Dichtungselemente herum sein, durch die Leckagen auftreten können. Um die Gesamtzahl der Fluidpartikel und damit die Simulationszeit und den Speicherbedarf so gering wie möglich zu halten, ist eine geringere räumliche Auflösung wünschenswert. Das bedeutet, dass abseits dieser Regionen gröbere Partikel ausreichen sind. Mit CPS werden die Partikel für jeden Simulationsschritt effizient verfeinert oder vergröbert. Zusätzlich ist es möglich eine hohe Spannweite zwischen den größten und kleinsten Partikeln in den Verfeinerungsregionen zu haben. Als Resultat müssen keine Kompromisse zwischen Simulationsgenauigkeit, Simulationszeit und Speicherplatz eingegangen werden, um die bestmögliche Simulationsleistung zu erzielen. Selbst bei komplexen Geometrien ist die Verwendung von CPS und die Definition von relevanten Regionen unkompliziert. Mit der Surface Proximity Refinement Funktion können Sie Verfeinerungsregionen auf der Grundlage ihrer Nähe zu ausgewählten Festkörperoberflächen definieren. Abbildung 3 zeigt ein Beispiel für ein Surface Proximity Refinement, das nur auf das rechte Vorderrad eines Autos angewendet wird.

 

gl-ast_image-web-blog-soiling-06_06-24.jpg.
Abbildung 3: Beispiel für eine kontinuierliche Verfeinerung der Partikelgröße mit CPS und Surface Proximity Refinement im Umkreis von 0,2 Metern um das rechte Vorderrad eines Autos.

Ein weiterer wichtiger Aspekt, der dazu beiträgt, den Arbeitsspeicherbedarf einer Simulation zu reduzieren, ist die Fähigkeit von PreonLab, pro Simulationsschritt nur die erforderlichen Festkörperoberflächen zu beachten. Dynamic Sampling stellt sicher, dass in jedem Simulationsschritt nur Festkörperpartikel aktiv sind, die Fluidpartikel in ihrer Nähe haben. Auf diese Weise wird die Gesamtzahl der aktiven Festkörperpartikel und folglich auch der gesamte Speicherbedarf so gering wie möglich gehalten. Dies kann bei Verschmutzungssimulationen, die viele Festkörperpartikel enthalten, um alle Oberflächengitter (z. B. Fahrzeug- und Straßen-Geometrien) zu repräsentieren, von großem Vorteil sein. Abbildung 4 zeigt die Auswirkungen von Dynamic Sampling auf die Anzahl der aktiven Festkörperpartikel in einer Autoreifenspritzsimulation, wie sie in Abbildung 2 zu sehen ist. Bei aktiviertem Dynamic Sampling erreicht die Simulation ein Maximum von 83,5 Millionen aktiven Festkörperpartikeln, da sich die Flüssigkeit aufgrund der Spritzer ausbreitet. Ist das Dynamic Sampling hingegen ausgeschaltet, werden alle möglichen Festkörperoberflächen in der Simulationsszene als Partikel erfasst, auch solche, die weiter von der Flüssigkeit entfernt sind, was schon beim ersten Zeitschritt zu einer Gesamtzahl von fast 1 Milliarde Festkörperpartikeln führt.

Abbildung 4: Die Auswirkung von Dynamic Sampling auf die Anzahl der aktiven Festkörperteilchen in einer Simulation.

gl-ast_image-web-blog-soiling-07_06-24.jpg.
Abbildung 4: Die Auswirkungen der dynamischen Probenahme auf die Anzahl der aktiven Feststoffteilchen in einer Simulation.

Wie bereits erwähnt, können Verschmutzungssimulationen in Bezug auf Rechenaufwand und Speicherbedarf recht anspruchsvoll sein. Dies bedeutet, dass die Simulationszeiten recht lang sein können und somit zu einer erheblichen Verlängerung der Projektdurchlaufzeiten führen.

gl-ast_image-web-blog-soiling-08_06-24.jpg.
Abbildung 5: Multi-GPU-Simulationsleistungsbenchmark mit PreonLab 6.1 für eine Simulation, die die Ansammlung von Schnee im Radkasten eines Autos zeigt.

In den meisten Fällen ermöglicht das Simulieren auf GPU eine deutlich höhere Leistung pro Watt im Vergleich zur herkömmlichen Simulation auf CPUs. Folglich übertreffen High-End-GPUs auch High-End-CPUs in Bezug auf die Simulationslaufzeiten. Dies kann vielversprechend sein, um die Simulationszeit drastisch zu reduzieren. Zwar können GPUs dazu beitragen, Simulationen in einem Bruchteil der auf CPUs benötigten Zeit durchzuführen, jedoch sind sie stärker mit Beschränkungen der Speichergröße konfrontiert. Aus diesem Grund bietet PreonLab 6.1 Multi-GPU-Unterstützung, wodurch es möglich ist große Simulationsszenen auf mehrere Grafikkarten zu verteilen. Aufgrund der nahezu linearen Leistungsskalierung über mehrere GPUs profitiert der Nutzer von einer weiteren Performancesteigerung. Abbildung 5 zeigt die Leistungssteigerung, die mit der Multi-GPU Unterstützung in PreonLab 6.1 möglich ist, für eine Simulation, die die Ansammlung von Schnee im Radkasten eines Autos zeigt.

Vector Field Visualizer: Visualisierung der Luftströmung 

Wie bereits in diesem Artikel erwähnt, hat die Aerodynamik des Fahrzeugs einen erheblichen Einfluss auf das Verschmutzungsmuster. In der Tat ist die Berücksichtigung instationärer Luftströmungen von wesentlicher Bedeutung, insbesondere für Simulationen, die darauf abzielen, Verschmutzungsmuster an den Seitenscheiben aufgrund von Überströmungen der A-Säule oder am Fahrzeugheck aufgrund von Spritzern zu erfassen. PreonLab unterstützt sowohl den Import stationärer als auch instationärer Luftströmungen per CSV-Format oder EnSight Gold-Format. Die importierte Luftströmung kann dann einfach mit Hilfe eines Vector Field Visualizers dargestellt werden, um ein korrektes Setup sicherzustellen, wie es in Video 4 zu sehen ist. 

Video file

Video 4: Visualisierung eines instationären Strömungsfelds durch einen Vector Field Visualizer in PreonLab.

Wetting Sensor: Benetzungssensor

Der Wetting Sensor misst die aktuelle sowie die Gesamtmenge der Benetzung eines beliebigen Festkörpers, dem er zugewiesen ist. Ein Sensor kann mit nur wenigen Klicks mit jedem Solid-Mesh in der Simulation verbunden werden. Der Sensor misst und visualisiert, wo und wie viel Flüssigkeit mit einem festen Objekt in Berührung gekommen ist. Diese Funktion ist für Verschmutzungssimulationen besonders wertvoll, da sie die Analyse von Verschmutzungsmustern auf Fahrzeugoberflächen und die Identifizierung kritischer Stellen, die anfällig für Verschmutzung oder Leckagen sind, vereinfacht.

Abbildung 5 zeigt, wie das durch einen Reifenspritzer verursachte Verschmutzungsmuster mit einem an der Seite eines Fahrzeugs angeschlossenen Wetting Sensor visualisiert wird. 

gl-ast_image-web-blog-soiling-10_06-24.jpg.
Abbildung 5: Die durch Reifenspritzer verursachte Verschmutzung auf der seitlichen Fahrzeugoberfläche wird mit einem Wetting Sensor sichtbar gemacht.

Pathlines Sensor für Bahnlinien  

Bahnlinien können bei der Ergebnisanalyse von Verschmutzungssimulationen sehr nützlich sein. In PreonLab visualisiert die Funktion die von einem einzelnen Partikel zurückgelegte Flugbahn sowie die Veränderung seiner Geschwindigkeit über die Zeit. Der Benutzer muss einen Zeitbereich und eine Region angeben, um die Partikel auszuwählen, für die Trajektorien dargestellt werden sollen. Die Region kann auch in Bezug auf ihre Nähe zu einer bestimmten geometrischen Oberfläche in der Simulation definiert werden. Die Bahnlinien können mit Pfeilen visualisiert werden, die Strömungsrichtung der Partikel anzeigen, wie es in Video 5 zu sehen ist.

Video file

Video 5: Bahnlinien für ausgewählte Partikel in einer Schneesimulation, die mithilfe des Pathlines Sensors visualisiert werden.

Fotorealistisches Rendering

Schließlich ist PreonLab mit Material-Presets für häufig verwendete Flüssigkeiten und Festkörper sowie einem leistungsstarken integrierten, auf Raytracing basierenden Rendering-Werkzeug namens PreonRenderer ausgestattet. Mit nur wenigen Klicks können Anwender beeindruckende Bilder und Videos erstellen und mit anderen teilen. Dies kann dabei helfen, die Fahrzeugdesigns und Verschmutzungsmuster besser zu analysieren und auf intuitive Weise mehr Erkenntnisse zu gewinnen.

Die Verschmutzung von Fahrzeugen spielt eine wichtige Rolle bei verschiedenen Sicherheitsaspekten des Fahrens sowie bei der Positionierung von Sensoren und Kameras für das autonome Fahren. Es gibt zahlreiche Faktoren, die das Verschmutzungsmuster auf Fahrzeugoberflächen beeinflussen und es ist nicht möglich, alle möglichen Kombinationen während der experimentellen Tests für jeden Prototyp zu berücksichtigen. Dank der Fähigkeit von PreonLab, ein breites Spektrum von Flüssigkeiten zu simulieren, in Kombination mit einer Vielzahl innovativer und einfach zu bedienender Funktionen, ist es möglich, wertvolle Erkenntnisse in den frühen Phasen des Fahrzeugdesigns zu gewinnen und damit physikalische Tests zu ergänzen. Darüber hinaus können der gitterfreie Ansatz von PreonLab, der Fokus auf Rechenperformance sowie die Unterstützung mehrerer Hardwareplattformen die Projektdurchlaufzeiten und -kosten für Fahrzeugverschmutzungssimulationen erheblich reduzieren.

Schauen Sie sich unser neustes Webinar zum Thema Fahrzeugverschmutzungssimulationen an.

You are currently on the AVL Global Site. Click below if you would like to switch to