⚡ electrical engineering

A parametric modeling approach tailored for multiperforated propellant extrusion and its comparative numerical simulation

Este artículo presenta un novedoso enfoque de modelado paramétrico impulsado por Python utilizando Gmsh y OpenCASCADE para automatizar el preprocesamiento de CAD y CFD de matrices de extrusión de propelentes complejos multiperforadas, demostrando mediante la validación cruzada con Fluent y OpenFOAM que el método logra una alta precisión y eficiencia al tiempo que elimina las desviaciones inducidas por humanos en comparación con el modelado manual convencional.

Autores originales: Dong Chen, Youcai Xiao, Ziqiang Ning, Pengyun Liu

Publicado 2026-07-01

📖 3 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Dong Chen, Youcai Xiao, Ziqiang Ning, Pengyun Liu

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un maestro chef intentando hornear un pastel muy específico y complejo. Este no es un pastel cualquiera; es un pastel de "propulsor de armas", que es un material altamente energético utilizado en armamento. Para hacerlo, tienes que exprimir una masa espesa y viscosa a través de un molde de metal especial (una matriz o dado) que tiene muchos agujeros diminutos, como un cortador de galletas gigante y de alta tecnología.

El problema es que diseñar este "cortador de galletas" es increíblemente difícil. Si los agujeros no tienen la forma o la posición perfecta, el pastel sale mal o la máquina se rompe. Tradicionalmente, los ingenieros han tenido que diseñar estos moldes a mano, mediante ensayo y error. Es como intentar esculpir una estatua con un martillo y un cincel mientras usas guantes gruesos: no puedes ver exactamente lo que estás haciendo, toma una eternidad y, si quieres cambiar la forma, tienes que empezar casi desde cero.

La "Receta Mágica" (El Nuevo Método)
Este artículo presenta una nueva forma de diseñar estos moldes utilizando una "receta mágica" escrita en código de computadora (Python). En lugar de que un ingeniero dibuje manualmente cada línea y curva, escriben un conjunto de instrucciones que le dice a la computadora: "Este es el tamaño del pastel, aquí hay cuántos agujeros necesitas y así de gruesos deben ser los muros".

La computadora luego utiliza una herramienta gratuita de código abierto llamada Gmsh (piensa en esto como una impresora 3D superinteligente para modelos digitales) para construir instantáneamente el molde, cortarlo en pequeñas piezas de rompecabezas (malla) y prepararlo para una simulación.

La Analogía del "Gemelo Digital"
Para probar si este nuevo método funciona, los investigadores crearon un "gemelo digital" de un molde de siete agujeros. Realizaron dos experimentos diferentes:

La Forma Antigua: Un ingeniero construyó el molde manualmente en un software estándar, rebanada por rebanada.
La Nueva Forma: El código de la computadora construyó el molde automáticamente basado en los parámetros.

Luego vertieron "masa digital" a través de ambos moldes usando dos motores de simulación diferentes (Fluent y OpenFOAM). Piensa en estos motores como dos pronosticadores del clima diferentes tratando de predecir cómo fluirá el viento (la masa).

Los Resultados: Velocidad y Precisión
El artículo encontró tres cosas principales:

Es más Rápido: El método automatizado construyó el modelo y preparó la simulación mucho más rápido que el método manual. Es como usar una impresora 3D en lugar de tallar madera a mano.
Es igual de Preciso: Aunque la computadora construyó el modelo de manera diferente (usando una "lógica" distinta para cómo encajan las piezas del rompecabezas), los resultados fueron casi idénticos al método manual. La "masa digital" fluyó exactamente de la misma manera en ambas versiones.
Es Robusto: Cuando probaron el mismo modelo generado por computadora con dos motores de simulación diferentes (Fluent y OpenFOAM), los resultados siguieron siendo muy cercanos (dentro de un 10% de diferencia entre sí). Esto demuestra que el método es confiable, sin importar a qué "pronosticador del clima" le preguntes.

La Conclusión
Este artículo no pretende haber inventado un nuevo tipo de arma o un nuevo producto químico. En su lugar, ofrece una mejor manera de diseñar las herramientas utilizadas para fabricar el propulsor. Al automatizar el proceso de diseño, los ingenieros pueden probar rápidamente diferentes formas y tamaños sin el riesgo de error humano o los largos tiempos de espera del modelado manual. Convierte un oficio lento y propenso a errores en un proceso digital rápido, repetible y preciso.

Resumen Técnico: Un Enfoque de Modelado Paramétrico para la Extrusión de Propelentes Multiperforados

Planteamiento del Problema
La extrusión por moldeo de propelentes multiperforados es un proceso crítico en la fabricación de materiales energéticos, donde el diseño del dado de extrusión dicta directamente la calidad de los granos de propelente y la eficiencia de la producción. Las metodologías de diseño actuales dependen en gran medida de la experimentación empírica de ensayo y error, lo que conduce a ciclos de desarrollo prolongados, altos costos y riesgos de seguridad. Si bien la Dinámica de Fluidos Computacional (CFD) ha surgido como una herramienta para optimizar estos procesos, el flujo de trabajo de preprocesamiento sigue siendo un cuello de botella. Los enfoques tradicionales implican el modelado manual en CAD, la conversión de formatos entre plataformas y la generación manual de mallas. Estos pasos son laboriosos, propensos al error humano, difíciles de reproducir e ineficientes para la optimización iterativa, particularmente cuando se trata de topologías complejas como los dados de propelente con múltiples agujeros, donde los parámetros geométricos cambian con frecuencia.

Metodología
Para abordar estas limitaciones, los autores proponen un marco de trabajo de modelado paramétrico y preprocesamiento de CFD totalmente automatizado y dirigido por Python. La metodología se basa en el software de código abierto Gmsh y su núcleo geométrico subyacente OpenCASCADE (OCC).

Estrategia de Modelado Híbrido: El enfoque integra la Geometría de Sólidos Constructivos (CSG) para la generación topológica macroscópica con la Representación de Fronteras (B-Rep) para la manipulación precisa de características locales. Se utilizan definiciones de superficies analíticas para definir matemáticamente las primitivas geométricas (cilindros, conos, sectores) basadas en parámetros globales.
Flujo de Trabajo Automatizado: Un script de Python controla todo el proceso, incluyendo:
1. Construcción de Geometría Paramétrica: Generación de geometrías de dado complejas (por ejemplo, de un solo agujero, siete agujeros, diecinueve agujeros) mediante la definición de parámetros clave como el radio del mandril, el número de agujeros, los ángulos de contracción y las longitudes de la sección de formación del dado.
2. Operaciones Booleanas: Utilización de árboles CSG para realizar uniones y diferencias booleanas para crear el dominio de fluido mediante la sustracción de los mandriles y los portapuntas de la cavidad de la camisa.
3. Identificación Automática de Fronteras: Un mecanismo de consulta topológica identifica y etiqueta automáticamente las superficies de frontera (entrada, salida y paredes) basándose en coordenadas espaciales, eliminando la selección manual.
4. Mallado Adaptativo: Se emplea un algoritmo de generación de malla adaptativa basado en campos de distancia. Este define una función de tamaño de malla espacialmente variable $h(x)$ que refina los elementos cerca de los pines del molde (donde los gradientes de flujo son altos) y los vuelve más gruesos en el campo lejano, asegurando la eficiencia computacional sin sacrificar la precisión cerca de las características críticas.
Estrategia de Validación: El estudio valida el método utilizando un dado de propelente de siete agujeros. Compara:
- Métodos de Modelado: Modelado paramétrico frente a modelado manual convencional.
- Solvers: Resultados de los solvers Fluent y OpenFOAM utilizando mallas paramétricas idénticas.
- Convergencia: Análisis del Índice de Convergencia de la Malla (GCI) utilizando tres densidades de malla (0.067 mm, 0.1 mm, 0.15 mm).

Contribuciones Clave

Automatización de Extremo a Extremo: El artículo establece un flujo de trabajo de ciclo cerrado que automatiza la reconstrucción geométrica, la generación de malla y la asignación de condiciones de contorno, eliminando la necesidad de intervención manual en la etapa de preprocesamiento.
Biblioteca de Plantillas Paramétricas: Se desarrolla una biblioteca especializada para dados de extrusión de propelente, lo que permite la rápida adaptación a diferentes configuraciones (por ejemplo, variando el número de agujeros y la disposición de los mandriles) mediante actualizaciones de parámetros en lugar de reconstruir los modelos desde cero.
Verificación de Robustez: El estudio proporciona un marco de doble validación que demuestra que el método automatizado produce resultados consistentes con el modelado manual y es robusto en diferentes plataformas de solvers (Fluent y OpenFOAM).

Resultados

Independencia de la Malla: El análisis GCI confirmó que las soluciones numéricas alcanzaron una convergencia monotónica. Para el modelo paramétrico, se encontró que un tamaño de malla de 0.15 mm era suficiente, con resultados estabilizándose a medida que la malla se refinaba más.
Consistencia de Modelado: Al comparar el modelado paramétrico y el manual utilizando el solver Fluent, los resultados mostraron una alta consistencia en las distribuciones de presión y velocidad. A pesar de generar menos elementos que el modelo manual bajo la misma configuración de tamaño, el enfoque paramétrico logró una precisión de solución equivalente, eliminando eficazmente las desviaciones sistemáticas inducidas por el humano.
Consistencia de Solver: La validación cruzada entre Fluent y OpenFOAM utilizando la misma malla paramétrica (incluso con una resolución relativamente gruesa de 0.15 mm) arrojó errores relativos en presión y velocidad inferiores al 10% en secciones transversales características. Específicamente, los errores fueron de 5.9% para la presión y 6.4% para la velocidad dentro del campo de flujo, y de 6.3–6.5% para los componentes de velocidad de salida.
Eficiencia: El método automatizado redujo significativamente el tiempo requerido para la iteración del modelo y la generación de la malla en comparación con los flujos de trabajo tradicionales.

Significado
El artículo sostiene que este enfoque paramétrico automatizado proporciona una vía confiable para el diseño paramétrico de precisión y la optimización iterativa rápida de dados de extrusión de propelente complejos. Al eliminar los problemas de reproducibilidad y las ineficiencias del preprocesamiento manual, el método apoya el desarrollo acelerado de los próximos propelentes. La alta consistencia observada entre diferentes estrategias de modelado y plataformas de solvers confirma la precisión y estabilidad del método, ofreciendo una base técnica escalable para el diseño digital de procesos avanzados de fabricación de materiales energéticos.

Más como este