GPU 驱动的 CFD 仿真加速润滑系统优化
齿轮箱制造商在紧迫的时间和成本限制下开发可靠的产品时，面临着复杂的设计和工程挑战。为了克服这些挑战，公司必须使用快速准确的仿真技术。在这篇博文中，我们演示了使用 SIMULIA XFlow GPU 求解器加快复杂齿轮润滑问题分析的优势。通过减少分析时间，工程师和设计师可以在开发周期的早期协作优化变速箱性能。
使用 CFD 仿真优化齿轮润滑
齿轮箱、变速器和其他带有运动部件的机械依靠润滑来最大限度地减少阻力和磨损。润滑不良会导致许多不同的问题，包括由于磨损和损坏而导致的能源效率降低、热量增加以及使用寿命缩短。变速箱设计师和工程师需要确保接触点得到足够的润滑，同时减轻油中的湍流效应，例如浪费能源的搅动和喷雾。
工程师需要考虑许多功能参数，包括油的粘度、外壳的几何形状以及喷油器等主动配油系统。通过变速箱运动部件的油流是一个复杂的三维问题，成本高昂、耗时，并且几乎不可能用物理原型确定问题区域。快速准确的计算流体动力学 （CFD） 可用于对运动部件之间的油流进行建模和仿真，并揭示真实条件下的润滑性能问题。
模拟运动中的变速箱内的油，显示喷雾和搅动。
SIMULIA XFlow 提供强大的 CFD 仿真技术，非常适合解决润滑问题。它使用格子玻尔兹曼法 （LBM） 模拟齿轮的多相流和动态运动。它已通过学术和工业案例的验证，可提供高保真结果。SIMULIA XFlow 提供结构内部流动的 3D 可视化，以及润滑性能的标准 KPI。它还用于估计关键零部件的传热系数 （HTC），以便在 SIMULIA Abaqus 上进行下游热分析，从而避免可靠性问题。
使用 CFD 仿真加速仿真并实现仿真大众化
为了准确模拟润滑性能，需要一个高精度的求解器，在系统的高保真模型上运行。这意味着润滑仿真具有很高的计算要求。GPU 计算允许快速有效地运行复杂的变速箱润滑模拟，即使在相对适中的硬件上也是如此。
SIMULIA XFlow 支持使用 NVIDIA 的 CUDA 技术的 GPU 加速。GPU 加速仿真可加快高保真和复杂 CFD 仿真的性能，并使其可供广大受众使用，从而使高级仿真功能的访问大众化。例如，NVIDIA L40 GPU 可以在一天内运行一个大型复杂的变速箱模拟。
NVIDIA GPU 上的模拟时间，以获得完整详细的变速箱模拟。15,247,298 亿个单元，时间步长：4.26e-6 秒，模拟时间：5 秒。使用 XFlow 2023 Golden（内部版本 120.01）试运行，NVIDIA 驱动程序：535.54.03，作系统：Ubuntu 20.04。
在开发周期的早期优化设计
这种由 NVIDIA GPU 提供支持的加速可帮助设计师和工程师利用统一建模和仿真 （MODSIM）在 3DEXPERIENCE 平台上。借助 MODSIM 方法，设计人员可以立即使用仿真结果，在开发的最初阶段探索设计更改对其变速箱性能的影响。这有助于降低开发周期后期因测试失败和代价高昂的返工而导致的延迟风险。使用 NVIDIA GPU 进行 CFD 仿真的快速周转使得在开发过程中的任何时候使用 XFlow 仿真来评估设计性能成为可能。
此外，GPU 仿真意味着生成多个设计探索场景来扫描和自动提取关键工程 KPI 更实用。由于每次仿真运行都得到了加速，因此可以更快、更高分辨率地探索整个设计空间。
案例研究：提高汽车变速箱的可靠性和可持续性
汽车 OEM 和供应商需要确保更高的变速箱效率，以实现可持续发展目标并降低车辆能耗。他们还需要确保可靠性，以降低故障风险和代价高昂的维护停机时间。电动汽车和内燃机汽车都是如此。喷油润滑系统 （OJLS） 是一项关键技术，可在变速箱内以最佳方式分配润滑油，确保所有关键表面都得到润滑，而无需大量润滑油以及相关的扭矩阻力和搅动损失。
在本案例研究中，XFlow GPU 求解器用于评估汽车电驱动单元 （EDU） 变速箱的可靠性。该变速箱已被确定容易受到可靠性问题的影响，主要是由于连接到电机输入轴的关键轴承的热故障。OJLS 经过精心设计，通过确保所有轴承和齿轮的精确润滑和后续冷却来解决根本原因。
变速箱内部的 3D 图像。一个喷油器润滑轴承，而另一个喷油器润滑齿轮之间的表面。油颗粒根据速度着色。
从仿真中，我们能够快速提取关键性能指标，例如扭矩阻力和单个组件的润湿区域。模拟表明，OJLS 将易失效轴承的油覆盖率提高了 3 倍以上。在此过程中，OJLS 降低了因润滑不足而导致的热故障风险。
条形图显示轴承中平均润湿面积的改善。
轴承内流体体积 （VOF） 的模拟结果
尽管 OJLS 向系统中引入了更多的油，但仔细针对性的喷油嘴意味着与搅动损失相关的扭矩阻力仅增加了 20%。这一结果证明，设计良好的 OJLS 远远优于仅增加系统内初始油量的性能。在没有仿真的情况下优化 OJLS 将是一个更具挑战性的过程，需要花费大量时间构建和测试原型，并且很难从测量数据中提取准确的 KPI，而且很难在没有相当大的不确定性的情况下提取准确的 KPI。通过在 GPU 上运行模拟，可以比物理原型更快地获得这些结果。
结论
使用 SIMULIA XFlow 进行 CFD 分析可以揭示变速箱和动力总成中润滑系统的行为，而无需构建物理原型。通过利用 NVIDIA GPU，XFlow 可以快速计算 KPI，例如流失损失和润湿区域，从而在不到一天的时间内分析变速箱性能。这种加速使设计师和工程师能够在整个开发周期中协作使用 CFD 仿真结果，以减少物理测试的时间和成本，并加快向客户交付可靠的变速箱的速度。
