電泳優化 - AVL Preonlab CFD 計算流體力學 (下)

AVL的無網格粒子法計算流體分析軟體PreonLab 提供了獨特的粒子細化功能，極大地滿足了電泳塗裝工藝設計的需求，能夠幫助工程師在樣件生產之前識別缺陷並進行改進，並能有效且準確地預測液體流動行為。

電泳優化 – AVL Preonlab CFD

計算流體力學（英語： Computational Fluid Dynamics ，簡稱 CFD ）是21世紀流體力學領域的重要技術之一，使用數值方法在計算機中對流體力學的控制方程式進行求解，從而可預測流場的流動。在複雜且成本高昂的汽車製造業的建立過程中，設計優化階段採用可靠的分析模擬工具已經被大量驗證其有效程度，汽車行業的各個知識領域和階段均在尋找有效的模擬解決方案本文以電泳塗裝過程為例，透過 AVL 的虛擬驗證工具 Preonlab ，可以對多種設計參數進行優化，例如油箱尺寸、電泳過程中白車身的運行軌跡、速度以及幾何細節。

Wetting Sensor

PreonLab的濕壁傳感器(Wetting Sensor)是一項強大的工具，用於確認零部件各個位置是否與液體直接接觸，該功能支持輸出任意時間範圍內的結果，從而詳細分析零部件在不同階段的濕潤情況。此外，濕壁傳感器還可以計算每個部件各個位置與液體直接接觸的持續時間，這對於評估工藝均勻性和優化設計非常有幫助。

下方影片展示了使用濕壁傳感器進行後處理的結果，直觀地呈現了零部件與液體接觸的分佈情況及接觸時間的分佈，為電泳工藝的精細化分析提供了重要依據。

FORCE SENSOR

PreonLab 的力傳感器(Force Sensor)能夠統計並輸出整個電泳過程中車身所受的各種力，用戶可以利用力傳感器測量車身各個位置的應力和扭矩，從而深入分析車身在整個工藝過程中的受力情況，這一分析對於電泳塗裝工藝工程師和車輛結構工程師而言，能夠幫助優化工藝過程和車身結構設計。

此外，這些計算結果也可以方便地作為邊界條件導入到其他軟體中，支持跨平台的協同工作和進一步的分析。

下方影片展示了車身上累積最大受力隨時間變化的過程，並從不同角度分析了車身各部件在浸入和拖出過程中的受力情況，這有助於工程師更好地理解車身在工藝過程中的力學行為，並針對性地進行優化設計。

VOLUME SENSOR

體積傳感(Volume Sensor)能夠輕鬆統計車身重點關注區域排出液體的時間，對於評估排液效率至關重要。

下圖展示了車身附近區域的液體體積隨時間的變化，在車身完全浸入液體中時，體積傳感器測得的液體體積達到最大值，當車身被拖出液面後，體積傳感器測得的液體體積逐漸減少。

通過分析這些結果，我們可以判斷車身拖出後是否能夠順利排出液體，並基於這些分析進行優化設計。例如，可以考慮在車身上增加更多的排水孔，或者調整拖曳曲線，以提高排液效率，縮短各工序之間的停留時間。此外，這樣的優化還能有效避免因為殘留液體而導致液槽之間的交叉污染，進一步提高整體工藝效率。

液體殘留的檢測和輸出

在車身被拖出儲液槽後，仍然會有一些液體殘留在行李廂內，這些液體很可能無法順利排出，在初始設計方案中，這樣的情況是非常常見的。

為了確保液體能夠順利排出，有必要通過模擬來識別殘液的位置，並基於這些位置信息進行調整。

利用模擬結果，工程師可以優化車身設計以及浸入和拖曳曲線。例如，根據殘液的具體位置，調整車身結構或改變拖曳路徑，以促進液體的有效排出，這種方法可以應用於任意車身設計與工藝曲線的組合，從而實現對各種情境下的最佳排液效果進行優化。

車身中的殘液分佈狀態

使用 PreonLab 的 Python API (PreonPy)，用戶可以自動檢測殘液的位置，在本例中，我們在模擬結束後，通過 PreonPy 自動尋找體積超過 10ml 的殘液區域，並重點關注行李廂區域。

如圖所示，一共檢測到 6 個體積超過 10ml 的殘液區域。圖中，橙色的圓點標示了每個殘液區域的中心位置，這些標示幫助工程師迅速定位並分析液體的殘留情況，從而進一步進行優化設計。

採用 PreonLab 內建的網格生成功能(Preon Mesher)，使用者可以對殘液區域進行網格生成，並將生成的網格匯出為 CAD 檔。這些 CAD 檔可以導入到其他軟體中，用於進一步的模擬、設計和分析，以優化電泳工藝或車身設計。

如圖所示，網格生成後的殘液區域視覺化結果清晰，説明工程師深入瞭解液體在複雜結構中的分佈情況，為後續優化提供重要依據，通過與其他軟體的相容性，使用者可以在不同平臺上進行跨軟體的協同工作與精細化分析。

模擬的效率

本文所展示的算例使用 64 核進行仿真，模擬 100 秒物理時長，僅需 60 小時。基於仿真過程中的粒子細化和粒子刪除等提高仿真效率的措施，液體粒子數的範圍從 18 萬到 900 萬不等。

下圖顯示求解粒子數與計算時長之間的關係，可以清楚地看到計算量與流體粒子數量之間的關聯，在約 52 秒時，計算時長的斜率顯著增加，這是因為細化設置被啟動。具體而言，當車身從儲液槽中拖出並開始排水時，細化設置啟用，目標粒子尺寸變小，導致粒子數量增加，同時計算時間也相應增加。這個過程展示了 PreonLab 在提供高計算精度的同時，也平衡了計算效率，能夠根據需要動態調整粒子尺寸，從而實現高效的仿真過程。