Ingegneria, fisica e matematica sono le discipline maggiormente utilizzate in ETA per lo sviluppo della ricerca industriale del settore automotive, ricerca che presenta ricadute anche in settori trasversali dove tali competenze sono comunque applicabili.
Principali esperienze di ricerca
Progettazione di componenti in compositi per autoveicoli industriali
Materiali compositi nelle macchine utensili
Ricerca avanzata motoristica
Modellizzazione matematica di prove di crash
Modellizzazione neuro/fuzzy per la dinamica del veicolo
Caratterizzazione di giunti alluminio/poltrusi in carbonio
Dispositivi meccanico/elettronici per carrozzine disabili
Studio di tecniche di visualizzazione flussi aerodinamici
Modellizzazione del comportamento del pneumatico
Sviluppo software per fluidodinamica
Ottimizzazione di forni di verniciatura industriali innovativi
Progettazione di forno per PMMA
Pubblicazioni
E. D’Amato, G. Carfagna, M. Mancinelli - “Analisi numerica e sperimentale di nodi strutturali incollati per applicazioni automobilistiche”, AIAS 2005
F. Tosi, S. Ubertini, S. Succi, H. Chen and I. V. Karlin
“A comparison of single-time relaxation lattice Boltzmann schemes with enhanced stability”
accepted for publication in International Journal of Modern Physics C.
F. Tosi, S. Ubertini, S. Succi, H. Chen and I. V. Karlin
“Numerical stability of Entropic versus positivity-enforcing Lattice Boltzmann schemes”
proceeding of the 14th International Conference on Discrete Simulation of Fluid Dynamics in Complex Systems (DSFD 2005).
F. Tosi, S. Ubertini, S. Succi and I. V. Karlin
“Optimization strategies for the entropic lattice Boltzmann method”
Accepterd for publication in Journal of Scientific Computing.
F. Tosi
“An Application of Lattice Boltzmann Model to Open Systems”
Applied and industrial mathematics in Italy. Vol 69 (June 2005).
P.Antonini, S. Longhi, M.L. Corradini, G. Ippoliti, C. Stronati, Race car performance evaluation by a Neuro-Fuzzy Inference System, American Control Conference 2006, Minneapolis.
P.Antonini, M.L.Corradini, S. Longhi, A SENSITIVITY BASED APPROACH FOR RACING CARS DESIGN AND SET-UP, FISITA World Automotive Congress 2006, Yokohama.
Un caso studio di ricerca
Computational Fluid Dynamic (CFD):
Nell’era dell’informatizzazione e dell’aumento dell’uso della scienza computazionale nelle applicazioni e realizzazioni ingegneristiche, l’uso di un tool affidabile e veloce nelle simulazioni si rende indispensabile nelle applicazioni estreme (quali quelli delle competizioni sportive).
È per questa ragione che stiamo realizzando un software per simulazioni ed analisi ingegneristiche di problemi di fluidodinamica esterna del veicolo e di sue parti.
Per Fluid flow analysis si intende lo studio di come i fluidi, come l’aria, i liquidi ed i gas in generale, si muovono intorno ad un oggetto solido, come ali parti di un auto, profili alari e condotti, e di come questi reagiscono all’impatto con esso.
Tecnica utilizzata (breve descrizione):
Il simulatore fa uso di un approccio unico, che si muove verso una direzione antitetica rispetto ai tradizionali algoritmi e metodi numerici nella dinamica dei fluidi computazionale (CFD) tradizionale.
Questa, infatti si basa su metodologie che discretizzato l’equazione differenziale fondamentale della fluido-dinamica, l’equazione di Navier-Stokes, sia nella sua componente spaziale che temporale, rendendo il calcolo estremamente pesante, difficile da parallelizzare e computazionalmente costoso, richiedono anche una grande abilità e competenza nell’uso (oltre ad un grande sforzo computazionale).
Possiamo affermare che le equazioni di Navier-Stokes sono un insieme di equazioni differenziali basilari/fondamentali nello studio e nella descrizione dei fenomeni fluido-dinamici.
Tuttavia queste risultano essere estremamente complesse ed fortemente non lineari.
Questo sta a significare che la loro risoluzione analitica è possibile solamente per alcuni casi estremamente semplici e quella numerica non è uno dei problemi più facili.
Figura 1: esempio di discretizzazione dello spazio.
L’approccio teorico del nostro simulatore cerca di descrivere matematicamente (cioè mediante formulazione matematica) il moto del fluido nel continuo.
L’equazione fondamentale di cui fa uso è quella di Boltzmann, che descrive e governa la dinamica molecolare della densità delle particelle di fluido.
Una formulazione di tipo cinetica ed elaborata ad una scala mesoscopica (cioè ad una scala intermedia fra il mondo microscopico e quello macroscopico) permette di dar vita ad una descrizione della fisica più semplice, immediata ed intuitiva, rispetto a quella delle equazioni di Navier-Stokes (pur rispettando la dinamica che esse governano).
Questa semplicità si riflette e ripercuote nella formulazione matematica del modello numerico, che cerca di catturare il fenomeno come interazione di particelle che si scontrano nel loro fluire naturale, dando vita, nella loro semplicità, ad un moto estremamente complesso.
Tutto questo si accoppia ad un’elevata accuratezza numerica nel calcolo della soluzione.
Nello studio dei fenomeni fluido-dinamici il modello offre una buona affidabilità nei risultati nel caso di test case laminari.
Nelle simulazioni di dinamica complessa, sia nella geometria che nel fenomeno, cioè con alti numeri di Reynolds, esso va associato a delle altre metodologie che aumentano l’accuratezza della simulazione:
01. Condizioni al bordo:
- Condizioni al bordo di inlet ed outlet;- Condizioni di parete solida (wall);- Condizioni per domini aperti (open boundary)
02. Modelli di turbolenza
03. Modelli per la riduzione degli errori numerici e computazionale
Figura 2: Schematizzazione di una network di processori in parallelo, di tipo MIMD (multiple instruction, multiple data).
L’approccio teorico alla base delle simulazioni, permette di ottenere un metodo che ha delle operazioni locali, e che quindi risulta essere particolarmente adatto alla parallelizzazione (al contrario dei modelli tradizionali).
Questo, associato all’enorme risparmio computazionale che caratterizza i modelli Lattice Boltzmann (LB), dà un valore aggiunto enorme al metodo numerico: costi computazionale estremamente ridotti.
Infine, la strutturazione e l’architettura del modello fanno si che può essere associato a delle tecniche di creazione di mesh per la simulazione che non necessitano di alcun intermediario fra il CAD ed il simulatore.
Simulazioni ed esempi
Uno o più casi studio di lavoro svolto con successo.
Forme e simulazioni classiche/di letteratura:
Lid driven cavity flow:
simulazione di un flusso all’interno di una cavità. Il moto è dato dallo spostamento (da sinistra verso destra) della parete superiore.
Il numero di Reynolds considerato nella simulazione è 7500.
Figura 3: Lid driver cavity flow.
Back step:
simulazione bi-dimensionale di un flusso all’interno di un canale con altezza variabile (in modo da ottenere un gradino).
Il fenomeno è generato da un flusso entrante dalla parte sinistra del condotto.
Figura 4
Profilo alare NACA 4412:
simulazione di flusso intorno ad un profilo alare NACA 4412 (2D).
L’immagine visualizza le isolinee dell’indice delle pressioni intorno all’oggetto.
Figura 5: Streamlines dell’indice Cp delle pressioni intorno all’oggetto. Il numero di Reynolds usato nella simulazione è 2000.
