Experimentally Validated Comparison of Two CFD Simulation Workflows for Oil Jet Cooling and LPTN Improvement

Los vehículos eléctricos modernos dependen de motores potentes que deben ser increíblemente compactos y eficientes para mover las ruedas. Sin embargo, a medida que estas máquinas concentran más potencia en espacios más reducidos, generan un calor intenso. Si este calor no se elimina rápidamente, el motor puede fallar o perder rendimiento. Para las primeras generaciones de coches eléctricos, los ingenieros utilizaban camisas de agua que enfriaban el exterior del motor, pero este método es como intentar enfriar una taza de café caliente soplando por el borde; el calor del centro tarda demasiado en escapar. Para solucionar esto, la industria se está moviendo hacia el enfriamiento directo, donde el aceite se rocía directamente sobre los componentes internos, específicamente sobre los cables de cobre en los extremos del motor. Este aceite actúa como un fluido no conductor que transporta el calor rápidamente, permitiendo que el motor funcione a mayor temperatura y velocidad sin romperse. El desafío para los ingenieros es predecir exactamente qué tan bien enfriará este aceite las formas complejas y enredadas de los cables, una tarea que requiere simulaciones informáticas sofisticadas para evitar construir prototipos costosos que no funcionen.

Un equipo de investigadores de la Universidad de Navarra y Dauch Corporation se propuso probar dos formas diferentes de simular este proceso de enfriamiento por aceite. Querían saber qué método informático podía predecir la temperatura del motor con mayor precisión utilizando la menor cantidad de potencia de cómputo. Para hallar la respuesta, primero construyeron un modelo de prueba físico. Tomaron un estator de motor real, que es la parte estacionaria del motor que contiene los devanados de cobre, y lo colocaron dentro de un contenedor de plástico transparente. Este contenedor les permitió observar el flujo del aceite mientras lo mantenía contenido. Hicieron pasar electricidad a través de los cables para generar calor, tal como lo haría un motor real, y utilizaron sensores precisos para medir la temperatura en varios puntos. Probaron el sistema con el aceite fluyendo a dos velocidades diferentes y a dos temperaturas iniciales distintas, creando un conjunto fiable de datos del mundo real para comparar con sus modelos informáticos.

Los investigadores luego ejecutaron dos tipos distintos de simulaciones informáticas para ver qué tan bien coincidían con el experimento físico. El primer método, conocido como el Método de Volúmenes Finitos, divide el espacio alrededor del motor en millones de pequeñas cajas fijas. Rastrea cómo se mueven el aceite y el aire a través de estas cajas, calculando cómo el líquido gotea y se extiende sobre los cables. Este enfoque es muy detallado y versátil, capaz de mostrar exactamente cómo el aceite interactúa con el metal sólido, pero es extremadamente lento. El segundo método, llamado Simulación de Partículas en Movimiento, no utiliza cajas fijas. En su lugar, trata al aceite como una colección de partículas individuales que se mueven a través del espacio. Este enfoque es mucho más rápido porque no necesita calcular el aire vacío alrededor del motor de la misma manera, pero requiere un paso separado para determinar cómo se mueve el calor dentro de los cables metálicos sólidos.

Cuando el equipo comparó los resultados de ambas simulaciones con sus mediciones físicas, descubrieron que ambos métodos eran notablemente precisos al predecir la temperatura promedio de los cables enfriados por aceite. El método detallado basado en cajas coincidió casi perfectamente con las temperaturas del mundo real, mientras que el método basado en partículas también fue muy cercano, aunque ocasionalmente tuvo dificultades para predecir los puntos más calientes cuando el flujo de aceite era más lento. El método de partículas resultó ser significativamente más rápido, tardando solo unas pocas horas en ejecutarse en una tarjeta gráfica potente, mientras que el método basado en cajas tardó días en ejecutarse en un servidor grande. Esta diferencia de velocidad es crucial para los ingenieros que necesitan probar muchos diseños diferentes rápidamente. Los investigadores también descubrieron que el método de partículas era en realidad mejor para predecir la temperatura en el lado del motor que no estaba siendo rociado con aceite, probablemente porque el otro método simplificaba demasiado la estructura metálica para ser totalmente preciso.

El hallazgo más significativo del estudio fue lo que ocurrió cuando los investigadores tomaron los datos detallados de calor de estas simulaciones y los introdujeron en un modelo más simple y rápido utilizado para el trabajo de diseño cotidiano. Este modelo más simple, conocido como red térmica, suele depender de conjeturas aproximadas sobre qué tan bien el aceite enfría el motor. Cuando el equipo reemplazó esas conjeturas con los datos precisos de sus simulaciones avanzadas, el modelo simple se volvió increíblemente preciso. Se transformó de una herramienta que podía errar por decenas de grados en un predictor fiable que coincidía con las pruebas del mundo real. Esto significa que los ingenieros ahora pueden usar modelos rápidos y simples para diseñar sistemas de enfriamiento con la confianza de una simulación compleja y lenta, siempre que se calibren primero con datos de alta calidad. El estudio concluye que, si bien el método detallado y más lento ofrece una gran flexibilidad, el método de partículas más rápido es una excelente opción para simular el enfriamiento por chorro de aceite, ofreciendo una nueva y poderosa forma de diseñar la próxima generación de motores eléctricos.